RoadMap｜深度学习论文阅读路线图

声明：感谢THU数据派公众号（datapi）授权发布。
原文：Deep Learning Papers Reading Roadmap
翻译：王军福，北京理工大学，目标识别从业者。

如果你是深度学习领域的一名新手，可能会遇到的第一个问题是“应该从哪篇论文开始读起呢”？这里给出了深度学习论文阅读路线图！

路线图按照下面四个准则构建而成：

• 从提纲到细节
• 从经典到前沿
• 从通用领域到特定领域
• 专注于最先进的技术

你将会发现很多近期发表但是确实值得一读的论文。我们将持续不断地给这条路线图添加论文。

1.深度学习历史和基础

1.0 书籍

1.1 调查

1.2 深度信念网络(DBN) (深度学习开篇的里程碑)

1.3 ImageNet进展（深度学习从此爆发）

1.4 语音识别进展

阅读完上面这些论文后，通过对深度学习模型（包括CNN，RNN，LSTM）的基础框架，以及深度学习如何应用于图像和语音识别问题的理解，你将会对深度学习的历史有一个基本的认识。下面的论文将带你深入理解深度学习模型，深度学习在不同领域的应用和前沿。我们建议你根据自己的兴趣和研究方向选择下面的论文进行阅读。

2.深度学习方法

2.1 模型

2.2 优化

2.3 无监督学习/深度生成模型

2.4 RNN/ Sequence-to-Sequence模型

2.5 神经图灵机

2.6 深度强化学习

2.7 深度迁移学习/终生学习/强化学习

2.8 One Shot深度学习

3.应用

3.1 NLP(自然语言处理)

3.2 目标检测

3.3 视觉跟踪

3.4 图像标注

3.5 机器翻译

Some milestone papers are listed in RNN / Seq-to-Seq topic.

3.6 机器人技术

3.7 艺术

3.8 目标分割

注：文中所有PDF均可点击此处进行下载。
译者：王军福，北京理工大学，目标识别从业者。爱折腾，善实践，对新鲜事物永葆一颗好奇的心。作为数据派新晋活跃分子，在Github知识分享与Kaggle数据实践的道路上为喜欢数据的玩家挖掘有意思的新鲜事。