我們知道隨着人工神經網絡和深度學習的發展，通過模擬視覺所構建的卷積神經網絡模型在圖像識別和分類上取得了非常好的效果，借助於深度學習技術的發展，使用人工智能去處理常規勞動，理解語音語義，幫助醫學診斷和支持基礎科研工作，這些曾經是夢想的東西似乎都在眼前。
最近在學習視覺SLAM，系統學習了《視覺SLAM十四講從理論到實踐第2版》，還測試了代碼，挺好的視覺 SLAM 入門書，讓我知道了樹的主干部分。13章特別有用，可以前面章節的各種小的解決方案串起來，看到一個完整的視覺 SLAM 的應該是什么樣子。
《視覺SLAM十四講從理論到實踐第2版》系統介紹了視覺 SLAM（同時定位與地圖構建）所需的基本知識與核心算法，既包括數學理論基礎，如三維空間的剛體運動、非線性優化，又包括計算機視覺的算法實現，例如多視圖幾何、回環檢測等。此外，還提供了大量的實例代碼供學習研究，從而更深入地掌握這些內容。
《視覺SLAM十四講從理論到實踐第2版》PDF+代碼+高翔
《視覺SLAM十四講從理論到實踐第2版》PDF，416頁，文字可以復制，高翔等著，配套源代碼。
下載: https://pan.baidu.com/s/1buxIcb5BIqM5ELxySdaFmA
提取碼: 9xs9
第2版增加了更多的實例，增加了一些實驗代碼來介紹算法的原理，更深入地介紹底層計算會更好，除了調用庫函數，還提供了底層的實現。將第1 版的第9 講移至第13 講，在介紹了所有必要知識之后，向大家展現一個完整的SLAM 系統是如何工作的，會得到一個由幾百行代碼實現的、有完整前后端的SLAM 系統。
《視覺SLAM十四講從理論到實踐第二版》對於slam的入門是一本好書，特別是針對小白。看了兩三個月，從深度學習轉到slam看的就是這本。接下來深入就需要論文了，這本書已經完成了它的使命。
TensorFlow深度學習開源框架吸引我們去學習與開發，掌握TensorFlow編程基本技能，利用獲得的數據集設計不同的人工神經模型，利用人工神經網絡強大的學習能力提取和挖掘數據集中包含的潛在信息，編寫相應的TensorFlow程序對數據進行處理，對其價值進行進一步開發，為商業機會的獲取、管理模式的創新、決策的制定提供相應的支持。
《OpenCV+TensorFlow深度學習與計算機視覺實戰》PDF+代碼+王曉華
《OpenCV+TensorFlow深度學習與計算機視覺實戰》PDF，280頁，有書簽目錄，文字可以復制，王曉華 著。配套源代碼數據集。
下載: https://pan.baidu.com/s/1QcUiDkkUgox3ot0yNuT2eA
提取碼: 4rhx
《OpenCV+TensorFlow深度學習與計算機視覺實戰》在掌握深度學習基本知識和特性的基礎上，培養使用TensorFlow OpenCV進行實際編程以解決圖像處理相關問題的能力，全書力求通過通俗易懂的語言和詳細的程序分析，介紹TensorFlow的基本用法、高級模型設計和對應的程序編寫。
共13章，內容包括計算機視覺與深度學習的關系、Python的安裝和使用、Python數據處理及可視化、機器學習的理論和算法、計算機視覺處理庫OpenCV 、OpenCV圖像處理實戰、TensorFlow基本數據結構和使用、TensorFlow數據集的創建與讀取、BP神經網絡、反饋神經網絡、卷積神經網絡等，理論聯系實際，着重介紹TensorFlow OpenCV解決圖像識別的應用，提供大量數據集供使用，並以代碼的形式實現深度學習模型實例供學習。
OpenCV庫包含500多個函數，2500多種算法，可以擴展應用到視覺行業中的很多領域，有廣泛的用途，比如安保，醫學成像，模式與人臉識別，機器人和工業產品檢測，等等。《學習OpenCV 3》實用性強，內容全面，講解透徹，掌握如何構建具有一定AI（人工智能）的應用程序，使計算機能夠“看見”並根據所得到的數據來做出決策。全面介紹整個OpenCV庫，所有示例代碼都用C++實現，同時還介紹了可以用於計算機視覺的機器學習工具。每一章都精心設計有動手練習，旨在方便課堂教學和自學，進一步幫助學以致用。
《學習OpenCV3》中英文PDF+源代碼
《學習OpenCV3》中文PDF，870頁，文字可復制；英文PDF，1018頁，帶目錄，文字可復制。配套源代碼。
下載: https://pan.baidu.com/s/1lxhn2k_XS6b0ri3enjw23g
提取碼: ekpa
先閱讀第1~5章，之后只閱讀你所需要的章節。除了第18章和第19章（涵蓋了相機校正和雙目視覺）以及第20章~第22章（涵蓋機器學習），這本書並不需要按照章節順序閱讀。以項目為導向的學生和研發人員可以用這種方式閱讀。
堅持每周閱讀兩章，這樣你就可以在11周之內讀完第1章~第22章（第23章很短）。從項目開始，深入到具體研究領域，適當地使用額外的文獻和論文作為補充。
在可以理解的基礎上盡可能快地瀏覽本書，閱讀第1章~第23章，之后開始項目，並使用相關文獻和論文在某一個領域進行更深入的研究。這也許是專業人員的一個選擇，但也可能適合更高級的計算機視覺課程。
《深度學習之PyTorch實戰計算機視覺》PDF
《深度學習之PyTorch實戰計算機視覺》兩個版本的高清PDF，287頁，帶書簽目錄，文字可以復制。
下載: https://pan.baidu.com/s/1wKHdhbgeI05ZLCiyslkvjw
提取碼: 6d8w
計算機視覺學習，推薦閱讀《深度學習之PyTorch實戰計算機視覺》。學到人工智能的基礎概念及Python 編程技能，掌握PyTorch 的使用方法，學到深度學習相關的理論知識，比如卷積神經網絡、循環神經網絡、自動編碼器，等等。在掌握深度學習理論和編程技能之后，還會學到如何基於PyTorch 深度學習框架實戰計算機視覺。《深度學習之PyTorch實戰計算機視覺》中的大量實例在循序漸進地學習的同時，不斷地獲得成就感。
我覺得這本書不錯，在學期結束的時候這本書基本上給出了足夠的細節但是不是特別細，所以很方便的就可以得到最后的結果。而且公開代碼方便直接上手開煉，深度煉丹走起。 當然就提一點建議，Open CV 4.0最新的更新買點就是 Deep Learning，作者后面的內容基本都可以用 Open CV 自己的 DL 解決。
學習參考：《深度學習實踐:計算機視覺》PDF，255頁，帶書簽目錄，彩色配圖，文字可以復制，繆鵬 著。
下載: https://pan.baidu.com/s/19-4qnGyiEGVJJnIKJIxXCA
提取碼: r1u3
《深度學習實踐:計算機視覺》主要介紹了深度學習在計算機視覺方面的應用及工程實踐，以Python 3為開發語言，並結合當前主流的深度學習框架進行實例展示。主要內容包括：OpenCV入門、深度學習框架介紹、圖像分類、目標檢測與識別、圖像分割、圖像搜索以及圖像生成等，涉及到的深度學習框架包括PyTorch、TensorFlow、Keras、Chainer、MXNet等。通過本書，讀者能夠了解深度學習在計算機視覺各個方向的應用以及新進展。
《深度學習實踐:計算機視覺》主要關注計算機視覺領域，基於開源項目介紹最新的算法：第1章對深度學習與計算機視覺進行簡要介紹，也會簡單介紹開發環境的搭建。 第2章主要介紹OpenCV的基本操作及部分高級操作，包括人臉和人眼的檢測與識別。
楊培文《深度學習技術圖像處理入門》PDF+代碼
《深度學習技術圖像處理入門》PDF，267頁，帶書簽目錄，文字可以復制；源代碼；作者:楊培文
下載: https://pan.baidu.com/s/1a8zQk2SJ3qtCusqq-0yW9w
提取碼: rk3v
將深度學習技術應用於圖像處理，推薦閱讀《深度學習技術圖像處理入門》，基於理論講解，由淺入深地引出若干個經典案例，講解當前深度神經網絡在圖像處理領域的應用。提供了基於雲GPU容器（Docker）的完整在線開發環境，方便初學者直接學習核心代碼。
《深度學習技術圖像處理入門》以通俗易懂的語言簡要講解機器學習的核心概念，通過比較傳統機器學習和深度神經網絡的區別，引入深度神經網絡的應用領域，將一個完整的深度神經網絡的復雜結構拆成輸入處理、模型元件以及模型優化三個子塊，並詳細說明如何將深度神經網絡模型應用在移動端App制作中。
王文峰《人臉識別原理與實戰以MATLAB為工具》PDF及代碼+《人臉識別原理及算法》PDF+沈理
《人臉識別原理及算法：動態人臉識別系統研究》PDF，259頁，帶書簽，文字可以復制。作者: 沈理 / 劉翼光 / 熊志勇
《人臉識別原理與實戰以MATLAB為工具》PDF，284頁，帶書簽，文字可以復制。作者: 王文峰
下載: https://pan.baidu.com/s/1TFHnPLpE_2pD__6LHL1ODg
提取碼: t552
人臉識別是當今世界科技領域攻關的高精尖技術。《人臉識別原理及算法：動態人臉識別系統研究》系統介紹了人臉識別研究領域的研究狀況以及作者在人臉識別領域的研究工作和研究成果，共分為3個部分。第1部分首先介紹了人臉識別的基礎：計算機視覺和模式識別的原理，並介紹了20世紀70年代以來國內外人臉識別研究的研究動態和主要方法，以及國內外人臉識別研究的主要成果和用途。第2部分介紹了基於雙屬性圖的人臉識別算法，該算法采用人臉特征檢測、主成分分析方法、Gabor函數等建立了一個人臉特征識別和屬性特征匹配的人臉識別方法，並結合人臉圖像的局部特征和全局特征，能夠有效地利用從三維到二維投影的人臉圖像信息之間的關聯性。第3部分介紹了動態場景下的人臉識別方法，該方法綜合應用了人臉定位、人臉識別、視頻處理等算法。
《人臉識別原理及算法：動態人臉識別系統研究》主要為研究模式識別的科技人員以及高等院校高年級的學生和研究生。讀者通過閱讀《人臉識別原理及算法：動態人臉識別系統研究》可以系統地學習人臉識別研究的方法，並掌握國內外相關技術的最新進展。
《卷積神經網絡與視覺計算》中文PDF+英文PDF
推薦參考《卷積神經網絡與視覺計算》中文PDF，174頁，帶目錄，文字可復制；英文PDF，187頁，帶目錄，文字可復制。
下載: https://pan.baidu.com/s/1bkQvOruQ5arqmGhzRGpsFg
提取碼: jruw
近年來，深度學習體系結構由於在計算機視覺等應用中的極大成功而開始流行起來。特別是卷積神經網絡(CNN)已經成為深度學習中最重要的一種網絡結構。學習計算機視覺中的深度學習、設計和部署CNN，以及深度計算機視覺體系結構的基礎知識。
從零基礎開始，系統闡述卷積神經網絡理論基礎及其實踐應用，可以幫助快速學習和構建深度學習系統。提供了豐富的理論知識和實操案例，以及一系列完備的工具包，以幫助獲得在理解和構建卷積神經網絡（CNN）時所必要的基本信息。重點將集中在卷積神經網絡的基礎部分，而不會涉及在高級課程中才出現的一些概念（CNN相關話題）。
《OpenCV計算機視覺編程攻略第3版》中文PDF+英文PDF+源代碼+RobertLaganire
《OpenCV計算機視覺編程攻略第3版》中文PDF，328頁，帶書簽目錄，文字可以復制；英文PDF，464頁，帶書簽目錄，文字可以復制；配套源代碼。
下載: https://pan.baidu.com/s/1Qxc353-91aP0JdZfeEO3Og
提取碼: w7js
《OpenCV 3計算機視覺Python語言實現第2版》中英文PDF+代碼+Joe Minichino+劉波
《OpenCV 3計算機視覺Python語言實現第2版》中文PDF，202頁，帶目錄書簽；英文PDF，263頁，帶目錄書簽。配套源代碼。
下載: https://pan.baidu.com/s/1X4c4uTlRav8u2BvQUf6wrA
提取碼: fkpu
OpenCV 3是一種先進的計算機視覺庫，可以用於各種圖像和視頻處理操作，通過OpenCV 3 能很容易地實現一些有前景且功能先進的應用（比如：人臉識別或目標跟蹤等）。《OpenCV 3計算機視覺：Python語言實現（第2版）》將從圖像處理的基本操作出發，帶你開啟先進計算機視覺概念的探索之旅。計算機視覺是一個快速發展的學科，在現實生活中，它的應用增長得非常快，因此寫作本書的目的是為了幫助計算機視覺領域的新手和想要了解全新的OpenCV 3.0.0的計算機視覺專家。
GAN:《生成對抗網絡入門指南》PDF代碼+《生成式對抗網絡GANser》PDF
《生成對抗網絡入門指南》PDF，240頁，帶目錄，文字可復制；配套源代碼和圖像素材。史丹青 著。
《生成式對抗網絡GANser》PDF，59頁，文字可復制，劉少鵬。
下載: https://pan.baidu.com/s/1sx54zOuX8VS0nqp3dQg8Og
提取碼: pqyh
生成對抗網絡毫無疑問是最熱門的人工智能技術之一，被評為“全球十大突破性技術”。從2014年至今，與GAN有關的論文數量急速上升，網絡上有人整理了近年來的GAN模型，已經有超過350個不同形態的變種，並且數量仍然在持續增加中。除了科學研究本身的魅力以外，諸如文本到圖像的生成、圖像到圖像的生成等應用研究也讓業界非常興奮，為人工智能領域帶來了諸多可能性。
對抗網絡:《GAN實戰生成對抗網絡》PDF中英文+《生成式對抗網絡GANser》PPT
《GAN實戰生成對抗網絡》中文PDF，153頁，帶目錄，文字可復制。Kuntal Ganguly著，劉夢馨譯。
《GAN實戰生成對抗網絡》英文PDF，166頁，帶目錄，文字可復制。
《生成式對抗網絡GANser》PPT，59頁，文字可復制，劉少鵬。
下載: https://pan.baidu.com/s/1RrkwvcIebIquOBjWbBI0YQ
提取碼: cw7i
GAN(Generative Adversarial Network) ，由 Ian Goodfellow 首先提出。Generation就是模型通過學習一些數據，然后生成類似的數據。讓機器看一些動物圖片，然后自己來產生動物的圖片，這就是生成。以前就有很多可以用來生成的技術了，比如 auto-encoder（自編碼器）。GAN 有兩個網絡，一個是 generator，一個是 discriminator，從二人零和博弈中受啟發，通過兩個網絡互相對抗來達到最好的生成效果。
推薦學習《GAN實戰生成對抗網絡》，覆蓋了深度學習的基礎、對抗網絡背后的原理以及構建方式等內容。同時還介紹了多個真實世界中使用對抗網絡構建智能應用的案例並提供了具體的代碼以及部署方法，旨在幫助能夠在真正的生產環境中使用生成對抗網絡。
