References参考文献

Week 1: 第 1 周

• The Sequential model (TensorFlow Documentation)
  序列模型（TensorFlow 文档）
• The Functional API (TensorFlow Documentation)
  功能 API（TensorFlow 文档）

Week 2: 第二周

• Deep Residual Learning for Image Recognition (He, Zhang, Ren & Sun, 2015)
  深度残差学习在图像识别中的应用（何、张、任、孙，2015）
• deep-learning-models/resnet50.py/ (GitHub: fchollet)
• MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications (Howard, Zhu, Chen, Kalenichenko, Wang, Weyand, Andreetto, & Adam, 2017)
  MobileNets：适用于移动视觉应用的效率卷积神经网络（Howard，Zhu，Chen，Kalenichenko，Wang，Weyand，Andreetto，& Adam，2017）
• MobileNetV2: Inverted Residuals and Linear Bottlenecks (Sandler, Howard, Zhu, Zhmoginov &Chen, 2018)
  MobileNetV2：倒置残差和线性瓶颈（Sandler, Howard, Zhu, Zhmoginov & Chen，2018）
• EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks (Tan & Le, 2019)
  EfficientNet：重新思考卷积神经网络模型缩放（Tan & Le，2019）

Week 3: 第三周

• You Only Look Once: Unified, Real-Time Object Detection (Redmon, Divvala, Girshick & Farhadi, 2015)
  您只看一次：统一、实时目标检测（Redmon、Divvala、Girshick & Farhadi，2015）
• YOLO9000: Better, Faster, Stronger (Redmon & Farhadi, 2016)
  YOLO9000：更好、更快、更强（Redmon & Farhadi，2016）
• YAD2K (GitHub: allanzelener)  YAD2K（GitHub：allanzelener）
• YOLO: Real-Time Object Detection  YOLO：实时目标检测
• Fully Convolutional Architectures for Multi-Class Segmentation in Chest Radiographs (Novikov, Lenis, Major, Hladůvka, Wimmer & Bühler, 2017)
  基于全卷积架构的胸部 X 光片多类分割（Novikov, Lenis, Major, Hladůvka, Wimmer & Bühler，2017）
• Automatic Brain Tumor Detection and Segmentation Using U-Net Based Fully Convolutional Networks (Dong, Yang, Liu, Mo & Guo, 2017)
  基于 U-Net 的完全卷积网络自动脑肿瘤检测与分割（Dong, Yang, Liu, Mo & Guo, 2017）
• U-Net: Convolutional Networks for Biomedical Image Segmentation (Ronneberger, Fischer & Brox, 2015)
  U-Net：用于生物医学图像分割的卷积网络（Ronneberger，Fischer & Brox，2015）

Week 4: 第 4 周

• FaceNet: A Unified Embedding for Face Recognition and Clustering (Schroff, Kalenichenko & Philbin, 2015)
  FaceNet：用于人脸识别和聚类的统一嵌入（Schroff，Kalenichenko & Philbin，2015）
• DeepFace: Closing the Gap to Human-Level Performance in Face Verification (Taigman, Yang, Ranzato & Wolf)
  DeepFace：缩小人脸验证与人类水平性能的差距（Taigman, Yang, Ranzato & Wolf）
• facenet (GitHub: davidsandberg)  facenet（GitHub：davidsandberg）
• How to Develop a Face Recognition System Using FaceNet in Keras (Jason Brownlee, 2019)
  如何使用 FaceNet 在 Keras 中开发人脸识别系统（Jason Brownlee，2019）
• keras-facenet/notebook/tf_to_keras.ipynb (GitHub: nyoki-mtl)
• A Neural Algorithm of Artistic Style (Gatys, Ecker & Bethge, 2015)
  《艺术风格神经算法》（Gatys, Ecker & Bethge，2015）
• Convolutional neural networks for artistic style transfer
  卷积神经网络在艺术风格迁移中的应用
• TensorFlow Implementation of "A Neural Algorithm of Artistic Style"
  TensorFlow 实现“艺术风格神经算法”
• Very Deep Convolutional Networks For Large-Scale Image Recognition (Simonyan & Zisserman, 2015)
  非常深的卷积神经网络用于大规模图像识别（Simonyan & Zisserman，2015）
• Pretrained models (MatConvNet)  预训练模型（MatConvNet）

Source: https://www.coursera.org/learn/convolutional-neural-networks/supplement/oGuyV/references