CNN参考书籍

1. 基础理论与经典教材

• 《Deep Learning》 (Ian Goodfellow, Yoshua Bengio, Aaron Courville)

  • 深度学习领域的“圣经”，系统讲解CNN在内的深度学习理论，数学推导严谨，适合打基础。

  • 中文版：《深度学习》

  • 中英文下载地址：deep learning 深度学习中英文版下载地址_deep learning电子版-CSDN博客

• 《Neural Networks and Deep Learning》 (Michael Nielsen)

  • 免费在线书籍，图文并茂解释CNN基本原理，适合入门。

  • 网址：http://neuralnetworksanddeeplearning.com

  • 中文版：[DNN] 《神经网络与深度学习》中文版及代码下载 – 技术刘

• 《Deep Learning with Python》 (François Chollet)

  • Keras框架作者撰写，第5章专门讲解CNN，适合快速实践。

  • 中文版：《Python深度学习》

2. CNN专项与计算机视觉

• 《Computer Vision: Algorithms and Applications》 (Richard Szeliski)

  • 计算机视觉经典教材，涵盖CNN在视觉任务中的应用（如目标检测、图像分割）。

  • 中文版：《计算机视觉：算法与应用》

• 《Learning OpenCV 4 Computer Vision with Python 3》 (Joseph Howse等)

  • 结合OpenCV实践CNN在视觉任务中的应用。

• 《Convolutional Neural Networks for Visual Recognition》 (Stanford CS231n课程讲义)

  • 斯坦福经典课程CS231n的配套笔记，深入浅出讲解CNN架构与优化。

  • 在线资源：CS231n官网

3. 实战与框架应用

• 《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow》 (Aurélien Géron)

  • 第14章详解CNN实战，适合通过代码学习（TensorFlow/Keras）。

  • 中文版：《Scikit-Learn与TensorFlow机器学习实用指南》

• 《PyTorch深度学习实战》 (Eli Stevens等)

  • 使用PyTorch实现CNN模型，案例丰富。

4. 前沿与扩展

• 《Deep Learning for Computer Vision with Python》 (Adrian Rosebrock)

  • 三卷本，涵盖从基础到高级的CNN应用（如医疗影像、GANs）。

  • 适合结合OpenCV和Keras的开发者。

• 《Dive into Deep Learning》 (Aston Zhang等)

  • 交互式学习（代码基于PyTorch/TensorFlow），CNN部分清晰易懂。

  • 中文版：《动手学深度学习》

  • 在线资源：https://d2l.ai

5. 论文与进阶研究

• 《Computer Vision: Models, Learning, and Inference》 (Simon J.D. Prince)

  • 从概率建模角度分析CNN等视觉模型。

• 经典论文（必读）：

  • AlexNet (2012), VGGNet (2014), ResNet (2015), Transformer-based Vision Models (ViT, 2020)

  • 推荐阅读arXiv或会议论文（CVPR/ICCV/ECCV）。

选择建议：

• 入门：先看《Deep Learning with Python》或CS231n(贺完结！CS231n官方笔记授权翻译总集篇发布 - 知乎)讲义。

• 理论：精读《Deep Learning》第9章（CNN专项）。

• 实战：选择PyTorch或TensorFlow对应书籍，配合Kaggle竞赛练习。

• 视觉方向：结合《Computer Vision: Algorithms and Applications》和OpenCV实践。