图像分类比赛中，你可以用如下方案举一反三 可以模仿这个进行
How to (quickly) build a deep learning image dataset
三分钟搞懂深度学习：物体的识别和检测，以“找椅子”为例 ：代码和遇到问题后的解决方法
物体识别SIFT算法（Scale-Invariant feature transform，尺度不变特征变换）：可以使用
图像物体分类与检测算法综述：数据图像收集
训练自己haar-like特征分类器并识别物体（1）：opencv
【原】训练自己haar-like特征分类器并识别物体（2）:opencv
图像处理与计算机视觉 综合性强，学习图像和视觉方面的知识
机器视觉，深度学习：包括下面链接，学习他博客下的机器学习、深度学习的所有内容
Deep Learning（深度学习）之（一）特征以及训练方法
Deep Learning（深度学习）之（三）Deep Learning的常用模型或者方法
Detection物体检测及分类方法总结（RFCN/SSD/RCNN/FastRCNN/FasterRCNN/SPPNet/DPM/OverFeat/YOLO）
Bolei Zhou MIT DOCTOR 机器学习及图像处理，英文
深度学习数据库 数据集及相关论文
深度学习 caffe 建自己的数据库 训练一个自创卷积神经网络 过程总结
【业界】创建深度学习数据平台时，你需要考虑的五个因素 注意事项
用Keras处理自己的数据：制作自己的Keras数据集 ****
如何从零使用 Keras + TensorFlow 开发一个复杂深度学习模型
Keras 使用自己的数据分类，并使用tensorboard记录的简单实例
WHY DEEP LEARNING IS SUDDENLY CHANGING YOUR LIFE
如何理解空洞卷积（dilated convolution）？
图像语义分割（3）- Dilated Convolutions
如何评价rcnn、fast-rcnn和faster-rcnn这一系列方法？
当类别数 k=2时，softmax 回归退化为 logistic 回归。这表明 softmax 回归是 logistic 回归的一般形式。
如果你在开发分类的应用，需要对k种类型进行识别，那么是选择使用 softmax 分类器呢，还是使用 logistic 回归算法建立 k 个独立的二元分类器呢？这一选择取决于你的类别之间是否互斥。
现在我们来看一个计算视觉领域的例子，你的任务是将图像分到三个不同类别中。(i) 假设这三个类别分别是：室内场景、户外城区场景、户外荒野场景。你会使用sofmax回归还是 3个logistic 回归分类器呢？ (ii) 现在假设这三个类别分别是室内场景、黑白图片、包含人物的图片，你又会选择 softmax 回归还是多个 logistic 回归分类器呢？
在第一个例子中，三个类别是互斥的，因此更适于选择softmax回归分类器 。而在第二个例子中，建立三个独立的 logistic回归分类器更加合适。
CNN笔记：通俗理解卷积神经网络 简单易懂
gif 动态卷积图解释：
输入的图片是一张图片：7*7*3指7*7这么大小的三层，3分别指的RGB三种颜色值
神经元个数：动图中最后的输出结果3*3*2，2是指它的深度即为神经元个数。
C231n Convolutional Neural Networks for Visual Recognition 部分同上，英文版
