深度学习在线参考资料整理（后续慢慢更新----）

python语言知识

1.廖雪峰的官方网站

适合快速上手python

2.python官网文档

适合上手之后及时查阅

 

C++

1.cpplearn（需fq）

公益的在线教程，保持更新，细节讲解不错，适合上手

 

深度学习入门

1.a step-by-step introduction to the basic object detection algorithm(需fq）

不只对目标检测，cv和部分nlp的算法也都有介绍，同时包含外部连接指向斯坦福的一些高质量的公开课节选

2.cs231n: Convolutional Neural Networks for Visual Recognition（需fq）

 华人教授李菲菲的深度学习公开课

 

cnn模型

1.Fully Convolutional Networks for Semantic Segmentation

文章介绍了如何利用全连接卷积网络做语义分割，其中提出了一个叫“Shift-and-stitch”的图像处理方法

2.VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION

文中通过压缩卷积核大小并增加深度来减少超参数的数量，提出了大名鼎鼎的vgg-16和vgg-19网络结构

 

文档处理相关（主要是表格）

1.Rethinking Table Recognition using Graph Neural Networks

论文综述值得一看，大概梳理了表格识别任务从1998-2018的表格提取任务的相关研究工作，可用来梳理表格文档相关技术的脉络

2.Table Detection using Deep Learning

使用UNLV数据集并利用Faster-rcnn做表格识别，里面对表格文档的预处理写的很不错，同时与其他ocr实现方法如tesseract做了对比

3.TableNet

使用VGG19网络结构做表格结构识别

4.Table Structure Recognition and Its Evaluation

针对表格的位置（position）关系做了非常多分析，并也利用了其空间结构构建多分类预测模型

5.The T-Recs Table Recognition and Analysis System

是第一个进行表格识别的论文方法，提出了一种由下至上的文档组织结构T-Recs。T-Recs的中心思想是识别属于同一种逻辑单元的单词，其组织顺序由下之上分别为单词、块、文档

6.