1, Michael Nielsen写的在线教程 http://neuralnetworksanddeeplearning.com/

介绍了神经网络的基本结构，有例子展示为何神经网络可以学习任何函数，为什么传统的深度学习很慢等。还提供了基于Theano的用于MNIST手写数字的识别的例子代码。

2, 斯坦福大学的深度学习课程 http://cs231n.github.io/

这是斯坦福大学李飞飞教授开的一门课。从图像分类的应用出发，介绍了线性分类器、随机梯度下降法等基本的机器学习中常用的概念。并且介绍了在使用神经网络、卷积神经网络和转移学习中的问题和例子。

3,《Deep Learning in Neural Networks: An Overview》

这是瑞士人工智能实验室 Jurgen Schmidhuber 写的最新版本《神经网络与深度学习综述》本综述的特点是以时间排序，从 1940 年开始讲起，到 60-80 年代，80-90 年代，一直讲到 2000 年后及最近几年的进展。涵盖了 deep learning 里各种 tricks，引用非常全面。

4，UFLDL-斯坦福大学 Andrew Ng 教授“Deep Learning”教程

本教程将阐述无监督特征学习和深度学习的主要思想。涵盖了稀疏编码、Softmax回归、用深度网络做图像分类等方面的应用。

1, 目标检测

【基于深度学习的目标检测研究进展 】http://chuansong.me/n/353443351445
这篇文章介绍了一系列基于CNN的目标检测算法，简述了传统目标检测的流程，介绍了以R-CNN为代表的结合region proposal和CNN分类的目标检测框架(R-CNN, SPP-NET, Fast R-CNN, Faster R-CNN)、以YOLO为代表的将目标检测转换为回归问题的目标检测框架(YOLO, SSD)，并且介绍一些可以提高目标检测性能的技巧和方法。

2，图像分割
基于FCN的分割 http://blog.csdn.net/taigw/article/details/51401448

3, 目标跟踪
【深度学习在目标跟踪中的应用】 https://zhuanlan.zhihu.com/p/22334661

4， 其他
有待更新

更多资料： http://www.open-open.com/news/view/1621439