跳转至

深度学习赞表

Awesome

免费在线书籍

  1. 深度学习 作者 Yoshua Bengio, Ian Goodfellow 和 Aaron Courville (05/07/2015)
  2. 神经网络与深度学习 作者 Michael Nielsen (Dec 2014)
  3. 深度学习 作者 Microsoft Research (2013)
  4. 深度学习教程 作者 LISA lab, University of Montreal (Jan 6 2015)
  5. 神经交谈 作者 Andrej Karpathy : numpy-based RNN/LSTM implementation
  6. 遗传算法介绍
  7. 人工智能:现代方法
  8. 神经网络的深度学习:概述

课程

  1. 机器学习 - 斯坦福大学 作者 Andrew Ng in Coursera (2010-2014)
  2. 机器学习 - 加州理工学院 作者 Yaser Abu-Mostafa (2012-2014)
  3. 机器学习 - 卡耐基梅隆大学 作者 Tom Mitchell (Spring 2011)
  4. 机器学习的神经网络 作者 Geoffrey Hinton in Coursera (2012)
  5. 神经网络课程 作者 舍布鲁克大学的 Hugo Larochelle (2013)
  6. 深度学习课程 作者 CILVR lab @ NYU (2014)
  7. A.I - 伯克利 作者 Dan Klein and Pieter Abbeel (2013)
  8. A.I - 麻省理工学院 作者 Patrick Henry Winston (2010)
  9. 愿景和学习 - 电脑和大脑 作者 Shimon Ullman, Tomaso Poggio, Ethan Meyers @ MIT (2013)
  10. 用于视觉识别的卷积神经网络 - 斯坦福大学 作者 Fei-Fei Li, Andrej Karpathy (2017)
  11. 神经网络 - usherbrooke
  12. 机器学习 - 牛津 (2014-2015)
  13. 深度学习 - Nvidia (2015)
  14. 暑期毕业生:深度学习,特色学习 作者 Geoffrey Hinton, Yoshua Bengio, Yann LeCun, Andrew Ng, Nando de Freitas 和其他几个 @ IPAM, UCLA (2012)
  15. 深度学习 - Udacity / Google 作者 Vincent Vanhoucke and Arpan Chakraborty (2016)
  16. 深度学习 - UWaterloo 作者 Prof. Ali Ghodsi at University of Waterloo (2015)
  17. 统计机器学习 - CMU 作者 Prof. Larry Wasserman
  18. 深度学习课程 作者 Yann LeCun (2016)
  19. 设计,可视化和理解深度神经网络 - 加州大学伯克利分校
  20. UVA 深度学习课程 MSc in Artificial Intelligence for the University of Amsterdam.
  21. 麻省理工学院 6.S094:自驾车深度学习
  22. 麻省理工学院 6.S191:深度学习简介
  23. 伯克利 CS 294:深度强化学习
  24. 运动视频课程中的凯拉斯
  25. 编码的实用深度学习 作者 Jeremy Howard - Fast.ai
  26. 深度学习简介 作者 Prof. Bhiksha Raj (2017)
  27. 自然语言处理的深度学习 - 斯坦福大学

视频和讲座

  1. 如何创造一个心灵 作者 Ray Kurzweil
  2. 深度学习,自学习和无监督特征学习 作者 Andrew Ng
  3. 深度学习的最新进展 作者 Geoff Hinton
  4. 深度学习的不合理有效性 作者 Yann LeCun
  5. 表象的深刻学习 作者 Yoshua bengio
  6. 分层时间记忆的原理 作者 Jeff Hawkins
  7. 机器学习讨论组 - 深度学习与斯坦福大学人工智能实验室 作者 Adam Coates
  8. 深入学习让世界感悟 作者 Adam Coates
  9. 解开无监督的特征学习 作者 Adam Coates
  10. 视觉感知与深度学习 作者 Yann LeCun
  11. 下一代神经网络 作者 Geoffrey Hinton at GoogleTechTalks
  12. 可以学习的电脑的美妙和可怕的含义 作者 Jeremy Howard at TEDxBrussels
  13. 无监督深度学习 - 斯坦福大学 作者 Andrew Ng in Stanford (2011)
  14. 自然语言处理 作者 Chris Manning in Stanford
  15. 深度神经网络初学者指南 作者 Natalie Hammel and Lorraine Yurshansky
  16. 深度学习:来自大数据的智能 作者 Steve Jurvetson (and panel) at VLAB in Stanford.
  17. 人工神经网络与深度学习简介 作者 Leo Isikdogan at Motorola Mobility HQ
  18. NIPS 2016 讲座和研讨会视频 - NIPS 2016

论文

你也可以从这里找到引用最多的深度学习论文

  1. 深度卷积神经网络的 ImageNet 分类
  2. 使用非常深的自动编码器进行基于内容的图像检索
  3. 学习 AI 的深层架构
  4. CMU 的论文清单
  5. 命名实体识别的神经网络 zip
  6. YB 的训练技巧
  7. Geoff Hinton 的阅读清单(所有文件)
  8. 带有递归神经网络的监督序列标号
  9. 基于神经网络的统计语言模型
  10. 培训递归神经网络
  11. 用于自然语言处理和计算机视觉的递归深度学习
  12. 双向 RNN
  13. LSTM
  14. GRU 门控复发单元
  15. GFRNN . .
  16. LSTM:搜索空间奥德赛
  17. 循序神经网络的序列学习研究综述
  18. 可视化和理解循环网络
  19. Wojciech Zaremba,Ilya Sutskever,对经常性网络架构的实证研究
  20. 基于递归神经网络的语言模型
  21. 递归神经网络语言模型的扩展
  22. 基于递归神经网络的会议识别语言建模
  23. 深度神经网络在语音识别中的声学建模
  24. 基于深度递归神经网络的语音识别
  25. 强化学习神经图灵机
  26. 使用 RNN 编码器 - 解码器来学习用于统计机器翻译的短语表示
  27. Google - 用神经网络进行序列学习
  28. 内存网络
  29. 连续记忆状态下的部分观测机器人控制策略学习
  30. 微软 - 桥式视频和语言的嵌入和翻译联合建模
  31. 神经图灵机
  32. 请问我什么:自然语言处理的动态记忆网络
  33. 用深度神经网络和树搜索来掌握 Go 的游戏
  34. 批量标准化
  35. 残留学习
  36. 有条件敌对网络的图像到图像转换
  37. 伯克利 AI 研究(BAIR)实验室
  38. 移动网络由谷歌
  39. 利用深度学习在野外交叉视听识别
  40. 胶囊之间的动态路由
  41. 与 Em 路由的矩阵胶囊

教程

  1. UFLDL 的确如此
  2. UFLDL 教程 2
  3. NLP 深度学习(不含魔术)
  4. 深度学习教程:从感知器到深度网络
  5. 从底层深入学习
  6. Theano 教程
  7. Matlab 的神经网络
  8. 使用卷积神经网络来检测面部关键点教程
  9. Torch7 教程
  10. 在网上最好的机器学习教程
  11. VGG 卷积神经网络实用
  12. TensorFlow 教程
  13. 更多 TensorFlow 教程
  14. 凯拉斯和烤宽面条深度学习教程
  15. 用 LSTM RNN 对 TensorFlow 中的原始时间序列进行分类
  16. 使用卷积神经网络来检测面部关键点教程
  17. TensorFlow 世
  18. 用 Python 深入学习
  19. 深入学习
  20. 深度学习搜索
  21. Keras 教程:基于内容的图像检索使用卷积去噪 Autoencoder
  22. Pytorch 教程由 Yunjey 崔
  23. TensorFlow Python 笔记本

研究人员

  1. 亚伦·库尔维尔
  2. 阿卜杜勒 - 拉赫曼·穆罕默德
  3. 亚当·科特
  4. Alex Acero
  5. Alex Krizhevsky
  6. 亚历山大·伊林
  7. Amos Storkey
  8. Andrej Karpathy
  9. 安德鲁 M.萨克斯
  10. Andrew Ng
  11. Andrew W. Senior
  12. Andriy Mnih
  13. Ayse Naz Erkan
  14. Benjamin Schrauwen
  15. Bernardete Ribeiro
  16. Bo David Chen
  17. Boureau Y-Lan
  18. Brian Kingsbury
  19. Christopher Manning
  20. Clement Farabet
  21. Dan Claudiu Cireșan
  22. David Reichert
  23. Derek Rose
  24. Dong Yu
  25. Drausin Wulsin
  26. Erik M. Schmidt
  27. Eugenio Culurciello
  28. Frank Seide
  29. Galen Andrew
  30. Geoffrey Hinton
  31. George Dahl
  32. Graham Taylor
  33. Grégoire Montavon
  34. Guido Francisco Montúfar
  35. Guillaume Desjardins
  36. Hannes Schulz
  37. Hélène Paugam-Moisy
  38. Honglak Lee
  39. Hugo Larochelle
  40. Ilya Sutskever
  41. Itamar Arel
  42. James Martens
  43. Jason Morton
  44. Jason Weston
  45. Jeff Dean
  46. Jiquan Mgiam
  47. Joseph Turian
  48. Joshua Matthew Susskind
  49. Jürgen Schmidhuber
  50. Justin A. Blanco
  51. Koray Kavukcuoglu
  52. KyungHyun Cho
  53. Li Deng
  54. Lucas Theis
  55. Ludovic Arnold
  56. Marc'Aurelio Ranzato
  57. Martin Längkvist
  58. Misha Denil
  59. Mohammad Norouzi
  60. Nando de Freitas
  61. Navdeep Jaitly
  62. Nicolas Le Roux
  63. Nitish Srivastava
  64. Noel Lopes
  65. Oriol Vinyals
  66. Pascal Vincent
  67. Patrick Nguyen
  68. Pedro Domingos
  69. Peggy Series
  70. Pierre Sermanet
  71. Piotr Mirowski
  72. Quoc V. Le
  73. Reinhold Scherer
  74. Richard Socher
  75. Rob Fergus
  76. Robert Coop
  77. Robert Gens
  78. Roger Grosse
  79. Ronan Collobert
  80. Ruslan Salakhutdinov
  81. Sebastian Gerwinn
  82. Stéphane Mallat
  83. Sven Behnke
  84. Tapani Raiko
  85. Tara Sainath
  86. Tijmen Tieleman
  87. Tom Karnowski
  88. Tomáš Mikolov
  89. Ueli Meier
  90. Vincent Vanhoucke
  91. Volodymyr Mnih
  92. Yann LeCun
  93. Yichuan Tang
  94. Yoshua Bengio
  95. Yotaro Kubo
  96. Youzhi (Will) Zou
  97. Fei-Fei Li
  98. Ian Goodfellow
  99. Robert Laganière

网站

  1. deeplearning.net
  2. deeplearning.stanford.edu
  3. nlp.stanford.edu
  4. ai-junkie.com
  5. cs.brown.edu/research/ai
  6. eecs.umich.edu/ai
  7. cs.utexas.edu/users/ai-lab
  8. cs.washington.edu/research/ai
  9. aiai.ed.ac.uk
  10. www-aig.jpl.nasa.gov
  11. csail.mit.edu
  12. cgi.cse.unsw.edu.au/~aishare
  13. cs.rochester.edu/research/ai
  14. ai.sri.com
  15. isi.edu/AI/isd.htm
  16. nrl.navy.mil/itd/aic
  17. hips.seas.harvard.edu
  18. AI 周刊
  19. stat.ucla.edu
  20. deeplearning.cs.toronto.edu
  21. jeffdonahue.com/lrcn/
  22. visualqa.org
  23. www.mpi-inf.mpg.de/departments/computer-vision...
  24. 深度学习新闻
  25. 机器学习很有趣! ,Adam Geitgey 的博客
  26. [机器学习指南]](http://yerevann.com/a-guide-to-deep-learning/)
  27. 深入学习初学者

数据集

  1. [MNIST](http://yann.lecun.com/exdb/mnist/)手写的数字
  2. Google House Numbers 来自街景
  3. CIFAR-10 and CIFAR-100
  4. IMAGENET
  5. 微小的图像 80 万张小图片 6
  6. Flickr 数据 100 Million Yahoo dataset
  7. 伯克利分割数据集 500
  8. 加州大学欧文分校机器学习库
  9. Flickr 8k
  10. Flickr 30k
  11. Microsoft COCO
  12. VQA
  13. Image QA
  14. AT&T Laboratories Cambridge face database
  15. AVHRR Pathfinder
  16. Air Freight - 空运数据集是一个光线跟踪的图像序列,以及基于纹理特征的地面真实分割。 ,(455 图像+ GT,每个 160x120 像素)。 ,(格式:PNG)
  17. 阿姆斯特丹对象图像库 - ALOI 是为科学目的记录的一千个小物体的彩色图像集合。,为了捕捉对象记录中的感觉变化,我们系统地改变每个对象的视角,照明角度和照明颜色,并且另外捕获宽基线立体图像。 我们记录了每个物体的上百张图像,共收集了 110,250 张图像。 ,(格式:png)
  18. 注明的脸,手,心脏和肉的图像 - 大多数图像和注释都是使用 AAM-API 进行各种 ASM / AAM 分析的补充。 ,(格式:bmp,asf)
  19. 图像分析和计算机图形学
  20. 大型时尚(DeepFashion)数据库 - 包含超过 800,000 种不同的时尚形象。,该数据集中的每个图像都标有 50 个类别,1,000 个描述性属性,边界框和服装标志
  21. 布朗大学刺激 - 各种数据集,包括 geons,对象和“greebles”。,适用于测试识别算法。 ,(格式:图片)
  22. 商场和公共空间行为的 CAVIAR 视频序列 - 在 90 个不同人类活动序列中的 90K 视频帧,具有检测和行为分类的 XML 基本事实(格式:MPEG2 和 JPEG)
  23. Machine Vision Unit
  24. Fashion-MNIST -MNIST 就像时尚产品数据集,由 60,000 个示例的训练集和 10,000 个示例的测试集组成。Each example is a 28x28 grayscale image, associated with a label from 10 classes.
  25. CCITT 传真标准图像 - 8 images (Formats: gif)
  26. CMU CIL 的立体声数据与地面真相 - 3 sets of 11 images, including color tiff images with spectroradiometry (Formats: gif, tiff)
  27. CMU PIE 数据库 - A database of 41,368 face images of 68 people captured under 13 poses, 43 illuminations conditions, and with 4 different expressions.
  28. CMU VASC 图像数据库 - Images, sequences, stereo pairs (thousands of images) (Formats: Sun Rasterimage)
  29. 加州理工图像数据库 - about 20 images - mostly top-down views of small objects and toys. (Formats: GIF)
  30. 哥伦比亚 - 乌得勒支反射和纹理数据库 - Texture and reflectance measurements for over 60 samples of 3D texture, observed with over 200 different combinations of viewing and illumination directions. (Formats: bmp)
  31. 计算颜色恒常性数据 - A dataset oriented towards computational color constancy, but useful for computer vision in general. It includes synthetic data, camera sensor data, and over 700 images. (Formats: tiff)
  32. 计算机视觉实验室
  33. 视觉对象类挑战 2012 年 (VOC2012) - VOC2012 dataset containing 12k images with 20 annotated classes for object detection and segmentation.
  34. 基于内容的图像检索数据库 - 11 sets of color images for testing algorithms for content-based retrieval. Most sets have a description file with names of objects in each image. (Formats: jpg)
  35. 高效的基于内容的检索组
  36. 打开图像数据集 - Open Images is a dataset of ~9 million URLs to images that have been annotated with labels spanning over 6000 categories.
  37. 密集采样视图领域 - Densely sampled view spheres - upper half of the view sphere of two toy objects with 2500 images each. (Formats: tiff)
  38. 计算机科学七(图形系统)
  39. YouTube-8M 数据集 - YouTube-8M is a large-scale labeled video dataset that consists of 8 million YouTube video IDs and associated labels from a diverse vocabulary of 4800 visual entities.
  40. Digital Embryos - Digital embryos are novel objects which may be used to develop and test object recognition systems. They have an organic appearance. (Formats: various formats are available on request)
  41. 明尼苏达大学视觉实验室的大学
  42. 萨尔瓦多胃肠视频内窥镜 - Images and Videos of his-res of studies taken from Gastrointestinal Video endoscopy. (Formats: jpg, mpg, gif)
  43. FG-NET 面部老化数据库 - Database contains 1002 face images showing subjects at different ages. (Formats: jpg)
  44. FVC2000 指纹数据库 - FVC2000 is the First International Competition for Fingerprint Verification Algorithms. Four fingerprint databases constitute the FVC2000 benchmark (3520 fingerprints in all).
  45. 生物识别系统实验室 - University of Bologna
  46. 脸部和手势图像和图像序列 - Several image datasets of faces and gestures that are ground truth annotated for benchmarking
  47. 德语 Fingerspelling 数据库 - The database contains 35 gestures and consists of 1400 image sequences that contain gestures of 20 different persons recorded under non-uniform daylight lighting conditions. (Formats: mpg,jpg)
  48. 语言处理和模式识别
  49. DeepMind QA 语料库 - Textual QA corpus from CNN and DailyMail. More than 300K documents in total. Paper for reference.
  50. 格罗宁根自然图象数据库 - 4000+ 1536x1024 (16 bit) calibrated outdoor images (Formats: homebrew)
  51. ICG 测试室序列 - 2 turntable sequences from ifferent viewing heights, 36 images each, resolution 1000x750, color (Formats: PPM)
  52. 计算机图形学与视觉研究所
  53. 计算机视觉和控制中心
  54. IEN 图像库 - 1000+ images, mostly outdoor sequences (Formats: raw, ppm)
  55. INRIA 的 Syntim 图像数据库 - 15 color image of simple objects (Formats: gif)
  56. INRIA
  57. INRIA 的 Syntim 立体声数据库 - 34 calibrated color stereo pairs (Formats: gif)
  58. 图像分析实验室 - Images obtained from a variety of imaging modalities -- raw CFA images, range images and a host of "medical images". (Formats: homebrew)
  59. 图像分析实验室
  60. 耶鲁面孔数据库 B - 5760 single light source images of 10 subjects each seen under 576 viewing conditions (9 poses x 64 illumination conditions). (Formats: PGM)
  61. 图像数据库 - An image database including some textures
  62. JAFFE 人脸表情图像数据库 - The JAFFE database consists of 213 images of Japanese female subjects posing 6 basic facial expressions as well as a neutral pose. Ratings on emotion adjectives are also available, free of charge, for research purposes. (Formats: TIFF Grayscale images.)
  63. ATR 研究,日本京都
  64. JISCT 立体声评估 - 44 image pairs. These data have been used in an evaluation of stereo analysis, as described in the April 1993 ARPA Image Understanding Workshop paper ``The JISCT Stereo Evaluation'' 作者 R.C.Bolles, H.H.Baker, and M.J.Hannah, 263--274 (Formats: SSI)
  65. 与视觉纹理 - Image archive (100+ images) (Formats: ppm)
  66. 麻省理工学院面对图像等 - hundreds of images (Formats: homebrew)
  67. 机器视觉 - Images from the textbook 作者 Jain, Kasturi, Schunck (20+ images) (Formats: GIF TIFF)
  68. 乳房 X 光检查图像数据库 - 100 or more images of mammograms with ground truth. Additional images available 作者 request, and links to several other mammography databases are provided. (Formats: homebrew)
  69. ftp://ftp.cps.msu.edu/pub/prip - many images (Formats: unknown)
  70. Middlebury 与地面真相立体声数据集 - Six multi-frame stereo data sets of scenes containing planar regions. Each data set contains 9 color images and subpixel-accuracy ground-truth data. (Formats: ppm)
  71. Middlebury 立体视觉研究 - Middlebury College
  72. 莫迪斯机载模拟器,图库和数据集 - High Altitude Imagery from around the world for environmental modeling in support of NASA EOS program (Formats: JPG and HDF)
  73. NIST 指纹和手写 - datasets - thousands of images (Formats: unknown)
  74. NIST 指纹数据 - compressed multipart uuencoded tar file
  75. NLM HyperDoc 可视化人员项目 - Color, CAT and MRI image samples - over 30 images (Formats: jpeg)
  76. 全国设计知识库 - Over 55,000 3D CAD and solid models of (mostly) mechanical/machined engineerign designs. (Formats: gif,vrml,wrl,stp,sat)
  77. 几何与智能计算实验室
  78. 耶鲁面孔数据库 - 165 images (15 individuals) with different lighting, expression, and occlusion configurations.
  79. OSU(MSU)三维对象模型数据库 - several sets of 3D object models collected over several years to use in object recognition research (Formats: homebrew, vrml)
  80. OSU(MSU / WSU)数据库图像范围 - Hundreds of real and synthetic images (Formats: gif, homebrew)
  81. OSU / SAMPL 数据库:范围图像,3D 模型,剧照,动作序列 - Over 1000 range images, 3D object models, still images and motion sequences (Formats: gif, ppm, vrml, homebrew)
  82. 信号分析和机器感知实验室
  83. 3D Vision 集团
  84. 奥塔哥光流评估序列 - Synthetic and real sequences with machine-readable ground truth optical flow fields, plus tools to generate ground truth for new sequences. (Formats: ppm,tif,homebrew)
  85. 视觉研究小组
  86. Wiry 对象识别数据库 - Thousands of images of a cart, ladder, stool, bicycle, chairs, and cluttered scenes with ground truth labelings of edges and regions. (Formats: jpg)
  87. ftp://ftp.limsi.fr/pub/quenot/opflow/testdata/piv/ - Real and synthetic image sequences used for testing a Particle Image Velocimetry application. These images may be used for the test of optical flow and image matching algorithms. (Formats: pgm (raw))
  88. LIMSI-CNRS/CHM/IMM/vision
  89. LIMSI-CNRS
  90. 光度学 3D 表面纹理数据库 - This is the first 3D texture database which provides both full real surface rotations and registered photometric stereo data (30 textures, 1680 images). (Formats: TIFF)
  91. 用于光流分析的序列(SOFA) - 9 synthetic sequences designed for testing motion analysis applications, including full ground truth of motion and camera parameters. (Formats: gif)
  92. 计算机视觉集团
  93. 视觉列表图像档案 - Many images, many formats
  94. 基于流的重建序列 - synthetic sequence for testing structure from motion algorithms (Formats: pgm)
  95. 具有真实视差和遮挡的立体图像 - a small set of synthetic images of a hallway with varying amounts of noise added. Use these images to benchmark your stereo algorithm. (Formats: raw, viff (khoros), or tiff)
  96. 斯图加特范围图像数据库 - A collection of synthetic range images taken from high-resolution polygonal models available on the web (Formats: homebrew)
  97. 部门形象理解
  98. PRIMA, GRAVIR
  99. AR 面数据库 - Contains over 4,000 color images corresponding to 126 people's faces (70 men and 56 women). Frontal views with variations in facial expressions, illumination, and occlusions. (Formats: RAW (RGB 24-bit))
  100. 普渡大学机器人视觉实验室
  101. MIT-CSAIL 对象和场景数据库 - Database for testing multiclass object detection and scene recognition algorithms. Over 72,000 images with 2873 annotated frames. More than 50 annotated object classes. (Formats: jpg)
  102. RVL SPEC-DB(特殊数据库) - A collection of over 300 real images of 100 objects taken under three different illuminaiton conditions (Diffuse/Ambient/Directed). -- Use these images to test algorithms for detecting and compensating specular highlights in color images. (Formats: TIFF )
  103. 机器人视觉实验室
  104. 查看球体数据库 - Images of 8 objects seen from many different view points. The view sphere is sampled using a geodesic with 172 images/sphere. Two sets for training and testing are available. (Formats: ppm)
  105. Xm2vts 数据库 - The XM2VTSDB contains four digital recordings of 295 people taken over a period of four months. This database contains both image and video data of faces.
  106. 视觉,语音和信号处理中心
  107. 交通图像序列和“大理石块”序列 - thousands of frames of digitized traffic image sequences as well as the 'Marbled Block' sequence (grayscale images) (Formats: GIF)
  108. IAKS/KOGS
  109. Usenix 面对数据库 - Thousands of face images from many different sites (circa 994)
  110. U Bern Face images - hundreds of images (Formats: Sun rasterfile)
  111. U Michigan textures (Formats: compressed raw)
  112. U Oulu wood and knots database - Includes classifications - 1000+ color images (Formats: ppm)
  113. UCID - 一个未压缩的彩色图像数据库 - a benchmark database for image retrieval with predefined ground truth. (Formats: tiff)
  114. 机器视觉集团
  115. UMass 视觉图像档案 - Large image database with aerial, space, stereo, medical images and more. (Formats: homebrew)
  116. UNC 的 3D 图像数据库 - many images (Formats: GIF)
  117. 具有分割地面真实性的 USF 范围图像数据 - 80 image sets (Formats: Sun rasterimage)
  118. 奥卢大学基于物理的人脸数据库 - contains color images of faces under different illuminants and camera calibration conditions as well as skin spectral reflectance measurements of each person.
  119. 机器视觉和媒体处理单元
  120. 奥卢大学纹理数据库 - Database of 320 surface textures, each captured under three illuminants, six spatial resolutions and nine rotation angles. A set of test suites is also provided so that texture segmentation, classification, and retrieval algorithms can be tested in a standard manner. (Formats: bmp, ras, xv)

会议

  1. CVPR - IEEE 计算机视觉和模式识别会议
  2. AAMAS - 国际自主代理和多代理系统联合会议
  3. IJCAI - 国际人工智能联合会议
  4. ICML - 国际机器学习会议
  5. ECML - 欧洲机器学习会议
  6. KDD - 知识发现和数据挖掘
  7. NIPS - 神经信息处理系统
  8. O'Reilly AI 会议 - O'Reilly 人工智能会议
  9. ICDM - 数据挖掘国际会议
  10. ICCV - 计算机视觉国际会议
  11. AAAI - 人工智能促进协会

框架

  1. Caffe
  2. Torch7
  3. Theano
  4. cuda-convnet
  5. Ccv
  6. NuPIC
  7. DeepLearning4J
  8. Brain
  9. DeepLearnToolbox
  10. Deepnet
  11. Deeppy
  12. JavaNN
  13. hebel
  14. Mocha.jl
  15. OpenDL
  16. cuDNN
  17. MGL
  18. Knet.jl
  19. Nvidia DIGITS - 一个基于 Caffe 的网络应用程序
  20. Neon - 基于 Python 的深度学习框架
  21. Keras - 基于 Theano 的深度学习库
  22. Chainer - 灵活的深度学习神经网络框架
  23. RNNLM Toolkit
  24. RNNLIB - 一个经常性的神经网络库
  25. char-rnn
  26. MatConvNet: CNN 的 MATLAB
  27. Minerva - 一个快速而灵活的多 GPU 图形学习工具
  28. Brainstorm - 快速,灵活和有趣的神经网络。
  29. Tensorflow - 使用数据流图进行数值计算的开源软件库
  30. DMTK - Microsoft 分布式机器学习 Tookit
  31. Scikit Flow - 简化的 TensorFlow 界面(模拟 Scikit 学习)
  32. MXnet - 轻便,便携,灵活的分布式/移动深度学习框架
  33. Veles - 三星分布式机器学习平台
  34. Marvin - 一个简单的 GPU 只有 N 维的通信框架
  35. Apache SINGA - 一般分布式深度学习平台
  36. DSSTNE - 亚马逊的图书馆建立深度学习模式
  37. SyntaxNet - Google 的语法分析器 - 一个 TensorFlow 依赖库
  38. mlpack - 一个可扩展的机器学习库
  39. Torchnet - 基于火炬的深度学习库
  40. Paddle - 百度平行分布式深度学习
  41. NeuPy - 基于 Theano 的用于 ANN 和 Deep Learning 的 Python 库
  42. Lasagne - 一个轻量级的图书馆在 Theano 建立和训练神经网络
  43. nolearn - 包装和抽象现有的神经网络库,最着名的是千层面
  44. Sonnet - 一个由 Google 的 DeepMind 构建神经网络的库
  45. PyTorch - Python 中的张量和动态神经网络具有强大的 GPU 加速功能
  46. CNTK -微软认知工具包
  47. Serpent.AI - 游戏代理框架:使用任何视频游戏作为深度学习沙盒
  48. Caffe2 - 一个新的轻量级,模块化和可扩展的深度学习框架
  49. deeplearn.js - 面向 Web 的硬件加速深度学习和线性代数(NumPy)库
  50. convetjs

杂项

  1. Google Plus - 深度学习社区
  2. Caffe 网络研讨会
  3. Github 上的 100 个 Github 资源
  4. Word2Vec
  5. Caffe DockerFile
  6. TorontoDeepLEarning convnet
  7. 真棒深度学习音乐 - Curated list of articles related to deep learning scientific research applied to music
  8. gfx.js
  9. Torch7 备忘单
  10. 其他麻省理工学院的“高级自然语言处理”课程
  11. 其他麻省理工学院的“机器学习”课程
  12. 麻省理工学院的“学习网络:回归和分类”课程杂志
  13. 麻省理工学院的“神经编码与声音感知”课程杂志
  14. 通过 Spark 实现分布式深度学习网络
  15. 学习使用深度学习下象棋的国际象棋 AI。
  16. 复制“深入强化学习”的结果作者 DeepMind
  17. Wiki2Vec。,从维基百科转储获取 Word2vec 矢量的实体和单词
  18. 来自 DeepMind 文章的原始代码+调整
  19. Google deepdream - 神经网络艺术
  20. 高效,批量的 LSTM。
  21. 一个经常性的神经网络,旨在产生古典音乐。
  22. 内存网络实现 - Facebook
  23. 用 Google 的 FaceNet 深度神经网络进行人脸识别。
  24. 基本的数字识别神经网络
  25. 情感识别 API 演示 - 微软
  26. 在 TensorFlow 中加载 Caffe 模型的概念证明
  27. YOLO:实时对象检测
  28. AlphaGo - DeepMind 2016 年自然出版物的复制品,“通过深度神经网络和树搜索掌握 Go 的游戏”
  29. 机器学习软件工程师
  30. 机器学习很有趣!
  31. Siraj Raval 的深度学习教程
  32. Dockerface - Easy to install and use deep learning Faster R-CNN face detection for images and video in a docker container.

贡献

有什么想法,你认为是真棒,并适合在这个名单?,随意发送拉请求.