Libx Awesomeリスト

    このページの内容

    Awesome Deep Learning

    Deep Learningを扱う資料や関連プロジェクトをまとめたAwesomeリストです。

    目次

    書籍

    1. Deep Learning ヨシーバ・ベンジオ、イアン・グッドフォール、アーロン・コルヴィルによる（2015年5月7日）
    2. Neural Networks and Deep Learning マイケル・ニールソンによる（2014年12月）
    3. Deep Learning マイクロソフト研究室による（2013年）
    4. Deep Learning Tutorial モンテル大学LISA研究室による（2015年1月6日）
    5. neuraltalk アンデル・カルパスティによる：NumPyベースのRNN/LSTM実装
    6. An introduction to genetic algorithms
    7. Artificial Intelligence: A Modern Approach
    8. Deep Learning in Neural Networks: An Overview
    9. Artificial intelligence and machine learning: Topic wise explanation
    10. Grokking Deep Learning for Computer Vision
    11. Dive into Deep Learning - NumPyベースのインタラクティブなディープラーニング書
    12. Practical Deep Learning for Cloud, Mobile, and Edge - 生産環境における最適化技術に関する書籍
    13. Math and Architectures of Deep Learning - クリシュナンドゥ・チャウドリーによる
    14. TensorFlow 2.0 in Action - スースアン・ガンエジダラによる
    15. Deep Learning for Natural Language Processing - ステファン・ライジェンマーカーによる
    16. Deep Learning Patterns and Practices - アンデュー・フェルリツェによる
    17. Inside Deep Learning - エドワード・ラフによる
    18. Deep Learning with Python, Second Edition - フランソワ・シャルルによる
    19. Evolutionary Deep Learning - マイケル・ランハムによる
    20. Engineering Deep Learning Platforms - チ・ワンおよびドナルド・スゼトによる
    21. Deep Learning with R, Second Edition - フランソワ・シャルルとトマス・カリンスキーおよびJ. J. アライールによる
    22. Regularization in Deep Learning - ルイ・ペンによる
    23. Jax in Action - グリゴリー・サプノフによる
    24. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow オーリエール・ゲロンによる（2019年10月15日）

    講座

    1. Machine Learning - Stanford アンデュー・ンによるカーラーサ（2010-2014年）
    2. Machine Learning - Caltech Yaser Abu-Mostafa（2012-2014）による
    3. Machine Learning - Carnegie Mellon Tom Mitchell（2011年春）による
    4. Neural Networks for Machine Learning Geoffrey HintonがCourseraで（2012）による
    5. Neural networks class Université de SherbrookeのHugo Larochelleが（2013）による
    6. Deep Learning Course NYUのCILVR labが（2014）による
    7. A.I - Berkeley Dan KleinおよびPieter Abbeelが（2013）による
    8. A.I - MIT Patrick Henry Winstonが（2010）による
    9. Vision and learning - computers and brains Shimon Ullman、Tomaso Poggio、Ethan Meyers（MIT）が（2013）による
    10. Convolutional Neural Networks for Visual Recognition - Stanford Fei-Fei LiおよびAndrzej Karpathyが（2017）による
    11. Deep Learning for Natural Language Processing - Stanford
    12. Neural Networks - usherbrooke
    13. Machine Learning - Oxford （2014-2015）
    14. Deep Learning - Nvidia （2015）
    15. Graduate Summer School: Deep Learning, Feature Learning Geoffrey Hinton、Yoshua Bengio、Yann LeCun、Andrew Ng、Nando de Freitasおよび他数名がIPAM、UCLAで（2012）による
    16. Deep Learning - Udacity/Google Vincent VanhouckeおよびArpan Chakrabortyが（2016）による
    17. Deep Learning - UWaterloo Waterloo大学のAli Ghodsi教授が（2015）による
    18. Statistical Machine Learning - CMU Larry Wasserman教授による
    19. Deep Learning Course Yann LeCunが（2016）による
    20. Designing, Visualizing and Understanding Deep Neural Networks-UC Berkeley
    21. UVA Deep Learning Course アムステルダム大学の人工知能MScプログラム
    22. MIT 6.S094: Deep Learning for Self-Driving Cars
    23. MIT 6.S191: Introduction to Deep Learning
    24. Berkeley CS 294: Deep Reinforcement Learning
    25. Keras in Motion video course
    26. Practical Deep Learning For Coders Jeremy Howard - Fast.aiによる
    27. Introduction to Deep Learning Bhiksha Raj教授が（2017）による
    28. AI for Everyone Andrew Ngが（2019）による
    29. MIT Intro to Deep Learning 7 day bootcamp - MITで設計された7日間のブートキャンプ。深層学習の手法と応用を紹介（2019）
    30. Deep Blueberry: Deep Learning - 無料の5週末プラン。自習者向けに、CNN、LSTM、RNN、VAE、GAN、DQN、A3Cなど深層学習アーキテクチャの基礎を学ぶ（2019）
    31. Spinning Up in Deep Reinforcement Learning - OpenAIによる無料の深層強化学習コース（2019）
    32. Deep Learning Specialization - Coursera - アンドリュー・ングによる最高のAI入門コース
    33. Deep Learning - UC Berkeley | STAT-157 アレクス・スモラとム・リによる（2019）
    34. Machine Learning for Mere Mortals video course ニック・チェイスによる
    35. Machine Learning Crash Course with TensorFlow APIs -Google AI
    36. Deep Learning from the Foundations ジェイミー・ホワード - Fast.ai
    37. Deep Reinforcement Learning (nanodegree) - Udacity Udacityの3〜6ヶ月のナノデグリーコース（複数コースをカバー）（2018）
    38. Grokking Deep Learning in Motion ベイ・カーネスによる（2018）
    39. Face Detection with Computer Vision and Deep Learning ハカン・セベシによる
    40. Deep Learning Online Course list at Classpert Classpertオンラインコース検索による深層学習オンラインコース一覧（一部無料）
    41. AWS Machine Learning アマゾンのマシンラーニング大学校によるマシンラーニングおよび深層学習コース
    42. Intro to Deep Learning with PyTorch - UdacityとFacebook AIによる深層学習入門コース
    43. Deep Learning by Kaggle - Kaggleによる無料の深層学習コース
    44. Yann LeCun’s Deep Learning Course at CDS - DS-GA 1008 · SPRING 2021
    45. Neural Networks and Deep Learning - COMP9444 19T3
    46. Deep Learning A.I.Shelf

    動画と講義

    1. How To Create A Mind レイ・クルズウェイルによる
    2. Deep Learning, Self-Taught Learning and Unsupervised Feature Learning アンドリュー・ングによる
    3. Recent Developments in Deep Learning ジョージ・ヒントンによる
    4. The Unreasonable Effectiveness of Deep Learning Yann LeCunによる
    5. Deep Learning of Representations Yoshua bengioによる
    6. Principles of Hierarchical Temporal Memory Jeff Hawkinsによる
    7. Machine Learning Discussion Group - Deep Learning w/ Stanford AI Lab Adam Coatesによる
    8. Making Sense of the World with Deep Learning Adam Coatesによる
    9. Demystifying Unsupervised Feature Learning Adam Coatesによる
    10. Visual Perception with Deep Learning Yann LeCunによる
    11. The Next Generation of Neural Networks Geoffrey HintonによるGoogleTechTalks
    12. The wonderful and terrifying implications of computers that can learn Jeremy HowardによるTEDxBrussels
    13. Unsupervised Deep Learning - Stanford Andrew Ngによるスタンフォード（2011）
    14. Natural Language Processing Chris Manningによるスタンフォード
    15. A beginners Guide to Deep Neural Networks Natalie HammelとLorraine Yurshans的による
    16. Deep Learning: Intelligence from Big Data Steve Jurvetson（およびパネル）によるスタンフォードVLABでの講演
    17. Introduction to Artificial Neural Networks and Deep Learning Leo Isikdoganによるモトローラモバイル本社での講演
    18. NIPS 2016 lecture and workshop videos - NIPS 2016
    19. Deep Learning Crash Course: Leo IsikdoganによるYouTube上のミニ講義シリーズ（2018）
    20. Deep Learning Crash Course Oliver Zeigermannによる
    21. Deep Learning with R in Motion: 強力なKerasライブラリとそのR言語インターフェースを用いてテキストおよび画像に深層学習を適用する方法を教えるライブ動画コース
    22. Medical Imaging with Deep Learning Tutorial: このチュートリアルは深層学習を用いた医療画像に関する修士課程講義風に構成されています。これは、一般的な医療画像分野（胸部X線および組織学）の背景および多モーダル／視点、分割、カウントタスクへの対応方法をカバーします。
    23. Deepmind x UCL Deeplearning: 2020版
    24. Deepmind x UCL Reinforcement Learning: ディープ強化学習
    25. CMU 11-785 Intro to Deep learning Spring 2020 コース：11-785、Bhiksha Rajによるディープ学習入門
    26. Machine Learning CS 229 : アンダンドゥーの深層学習終盤
    27. What is Neural Structured Learning by Andrew Ferlitsch
    28. Deep Learning Design Patterns by Andrew Ferlitsch
    29. Architecture of a Modern CNN: the design pattern approach by Andrew Ferlitsch
    30. Metaparameters in a CNN by Andrew Ferlitsch
    31. Multi-task CNN: a real-world example by Andrew Ferlitsch
    32. A friendly introduction to deep reinforcement learning by Luis Serrano
    33. What are GANs and how do they work? by Edward Raff
    34. Coding a basic WGAN in PyTorch by Edward Raff
    35. Training a Reinforcement Learning Agent by Miguel Morales
    36. Understand what is Deep Learning

    論文

    You can also find the most cited deep learning papers from here

    1. ImageNet Classification with Deep Convolutional Neural Networks
    2. Using Very Deep Autoencoders for Content Based Image Retrieval
    3. Learning Deep Architectures for AI
    4. CMU’s list of papers
    5. Neural Networks for Named Entity Recognition zip
    6. Training tricks by YB
    7. Geoff Hinton’s reading list (all papers)
    8. Supervised Sequence Labelling with Recurrent Neural Networks
    9. Statistical Language Models based on Neural Networks
    10. Training Recurrent Neural Networks
    11. Recursive Deep Learning for Natural Language Processing and Computer Vision
    12. Bi-directional RNN
    13. LSTM
    14. GRU - Gated Recurrent Unit
    15. GFRNN . .
    16. LSTM: A Search Space Odyssey
    17. A Critical Review of Recurrent Neural Networks for Sequence Learning
    18. Visualizing and Understanding Recurrent Networks
    19. Wojciech Zaremba, Ilya Sutskever, An Empirical Exploration of Recurrent Network Architectures
    20. Recurrent Neural Network based Language Model
    21. Extensions of Recurrent Neural Network Language Model
    22. Recurrent Neural Network based Language Modeling in Meeting Recognition
    23. Deep Neural Networks for Acoustic Modeling in Speech Recognition
    24. Speech Recognition with Deep Recurrent Neural Networks
    25. Reinforcement Learning Neural Turing Machines
    26. Learning Phrase Representations using RNN Encoder-Decoder for Statistical Machine Translation
    27. Google - Sequence to Sequence Learning with Neural Networks
    28. Memory Networks
    29. Policy Learning with Continuous Memory States for Partially Observed Robotic Control
    30. Microsoft - Jointly Modeling Embedding and Translation to Bridge Video and Language
    31. Neural Turing Machines
    32. Ask Me Anything: Dynamic Memory Networks for Natural Language Processing
    33. Mastering the Game of Go with Deep Neural Networks and Tree Search
    34. Batch Normalization
    35. Residual Learning
    36. Image-to-Image Translation with Conditional Adversarial Networks
    37. Berkeley AI Research (BAIR) Laboratory
    38. MobileNets by Google
    39. Cross Audio-Visual Recognition in the Wild Using Deep Learning
    40. Dynamic Routing Between Capsules
    41. Matrix Capsules With Em Routing
    42. Efficient BackProp
    43. Generative Adversarial Nets
    44. Fast R-CNN
    45. FaceNet: A Unified Embedding for Face Recognition and Clustering
    46. Siamese Neural Networks for One-shot Image Recognition
    47. Unsupervised Translation of Programming Languages
    48. Matching Networks for One Shot Learning
    49. VOLO: Vision Outlooker for Visual Recognition
    50. ViT: An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale
    51. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift
    52. DeepFaceDrawing: Deep Generation of Face Images from Sketches

    チュートリアル

    1. UFLDL Tutorial 1
    2. UFLDL Tutorial 2
    3. Deep Learning for NLP (without Magic)
    4. A Deep Learning Tutorial: From Perceptrons to Deep Networks
    5. Deep Learning from the Bottom up
    6. Theano Tutorial
    7. Neural Networks for Matlab
    8. Using convolutional neural nets to detect facial keypoints tutorial
    9. Torch7 Tutorials
    10. The Best Machine Learning Tutorials On The Web
    11. VGG Convolutional Neural Networks Practical
    12. TensorFlow tutorials
    13. More TensorFlow tutorials
    14. TensorFlow Python Notebooks
    15. Keras and Lasagne Deep Learning Tutorials
    16. Classification on raw time series in TensorFlow with a LSTM RNN
    17. Using convolutional neural nets to detect facial keypoints tutorial
    18. TensorFlow-World
    19. Deep Learning with Python
    20. Grokking Deep Learning
    21. Deep Learning for Search
    22. Keras Tutorial: Content Based Image Retrieval Using a Convolutional Denoising Autoencoder
    23. Pytorch Tutorial by Yunjey Choi
    24. Understanding deep Convolutional Neural Networks with a practical use-case in Tensorflow and Keras
    25. Overview and benchmark of traditional and deep learning models in text classification
    26. Hardware for AI: Understanding computer hardware & build your own computer
    27. Programming Community Curated Resources
    28. The Illustrated Self-Supervised Learning
    29. Visual Paper Summary: ALBERT (A Lite BERT)
    30. Semi-Supervised Deep Learning with GANs for Melanoma Detection
    31. Named Entity Recognition using Reformers
    32. Deep N-Gram Models on Shakespeare’s works
    33. Wide Residual Networks
    34. Fashion MNIST using Flax
    35. Fake News Classification (with streamlit deployment)
    36. Regression Analysis for Primary Biliary Cirrhosis
    37. Cross Matching Methods for Astronomical Catalogs
    38. Named Entity Recognition using BiDirectional LSTMs
    39. Image Recognition App using Tflite and Flutter

    研究者

    1. Aaron Courville
    2. Abdel-rahman Mohamed
    3. Adam Coates
    4. Alex Acero
    5. Alex Krizhevsky
    6. Alexander Ilin
    7. Amos Storkey
    8. Andrej Karpathy
    9. Andrew M. Saxe
    10. Andrew Ng
    11. Andrew W. Senior
    12. Andriy Mnih
    13. Ayse Naz Erkan
    14. Benjamin Schrauwen
    15. Bernardete Ribeiro
    16. Bo David Chen
    17. Boureau Y-Lan
    18. Brian Kingsbury
    19. Christopher Manning
    20. Clement Farabet
    21. Dan Claudiu Cireșan
    22. David Reichert
    23. Derek Rose
    24. Dong Yu
    25. Drausin Wulsin
    26. Erik M. Schmidt
    27. Eugenio Culurciello
    28. Frank Seide
    29. Galen Andrew
    30. Geoffrey Hinton
    31. George Dahl
    32. Graham Taylor
    33. Grégoire Montavon
    34. Guido Francisco Montúfar
    35. Guillaume Desjardins
    36. Hannes Schulz
    37. Hélène Paugam-Moisy
    38. Honglak Lee
    39. Hugo Larochelle
    40. Ilya Sutskever
    41. Itamar Arel
    42. James Martens
    43. Jason Morton
    44. Jason Weston
    45. Jeff Dean
    46. Jiquan Mgiam
    47. Joseph Turian
    48. Joshua Matthew Susskind
    49. Jürgen Schmidhuber
    50. Justin A. Blanco
    51. Koray Kavukcuoglu
    52. KyungHyun Cho
    53. Li Deng
    54. Lucas Theis
    55. Ludovic Arnold
    56. Marc’Aurelio Ranzato
    57. Martin Längkvist
    58. Misha Denil
    59. Mohammad Norouzi
    60. Nando de Freitas
    61. Navdeep Jaitly
    62. Nicolas Le Roux
    63. Nitish Srivastava
    64. Noel Lopes
    65. Oriol Vinyals
    66. Pascal Vincent
    67. Patrick Nguyen
    68. Pedro Domingos
    69. Peggy Series
    70. Pierre Sermanet
    71. Piotr Mirowski
    72. Quoc V. Le
    73. Reinhold Scherer
    74. Richard Socher
    75. Rob Fergus
    76. Robert Coop
    77. Robert Gens
    78. Roger Grosse
    79. Ronan Collobert
    80. Ruslan Salakhutdinov
    81. Sebastian Gerwinn
    82. Stéphane Mallat
    83. Sven Behnke
    84. Tapani Raiko
    85. Tara Sainath
    86. Tijmen Tieleman
    87. Tom Karnowski
    88. Tomáš Mikolov
    89. Ueli Meier
    90. Vincent Vanhoucke
    91. Volodymyr Mnih
    92. Yann LeCun
    93. Yichuan Tang
    94. Yoshua Bengio
    95. Yotaro Kubo
    96. Youzhi (Will) Zou
    97. Fei-Fei Li
    98. Ian Goodfellow
    99. Robert Laganière
    100. Merve Ayyüce Kızrak

    ウェブサイト

    1. deeplearning.net
    2. deeplearning.stanford.edu
    3. nlp.stanford.edu
    4. ai-junkie.com
    5. cs.brown.edu/research/ai
    6. eecs.umich.edu/ai
    7. cs.utexas.edu/users/ai-lab
    8. cs.washington.edu/research/ai
    9. aiai.ed.ac.uk
    10. www-aig.jpl.nasa.gov
    11. csail.mit.edu
    12. cgi.cse.unsw.edu.au/~aishare
    13. cs.rochester.edu/research/ai
    14. ai.sri.com
    15. isi.edu/AI/isd.htm
    16. nrl.navy.mil/itd/aic
    17. hips.seas.harvard.edu
    18. AI Weekly
    19. stat.ucla.edu
    20. deeplearning.cs.toronto.edu
    21. jeffdonahue.com/lrcn/
    22. visualqa.org
    23. www.mpi-inf.mpg.de/departments/computer-vision…
    24. Deep Learning News
    25. Machine Learning is Fun! Adam Geitgey’s Blog
    26. Guide to Machine Learning
    27. Deep Learning for Beginners
    28. Machine Learning Mastery blog
    29. ML Compiled
    30. Programming Community Curated Resources
    31. A Beginner’s Guide To Understanding Convolutional Neural Networks
    32. ahmedbesbes.com
    33. amitness.com
    34. AI Summer
    35. AI Hub - supported by AAAI, NeurIPS
    36. CatalyzeX: Machine Learning Hub for Builders and Makers
    37. The Epic Code
    38. all AI news

    データセット

    1. MNIST 手書き数字
    2. Google House Numbers ストリートビューから
    3. CIFAR-10 and CIFAR-100
    4. IMAGENET
    5. Tiny Images 8000万枚の小さな画像6
    6. Flickr Data 1億枚のヤホーデータセット
    7. Berkeley Segmentation Dataset 500
    8. UC Irvine Machine Learning Repository
    9. Flickr 8k
    10. Flickr 30k
    11. Microsoft COCO
    12. VQA
    13. Image QA
    14. AT&T Laboratories Cambridge face database
    15. AVHRR Pathfinder
    16. Air Freight - エアフリートデータセットは、テクスチャ特性に基づく正確な分割をもつレイトレース画像シーケンスです。（455枚＋GT、各160×12及ピクセル）（フォーマット：PNG）
    17. Amsterdam Library of Object Images - ALOIは、科学的用途のために記録された1000個の小さな物体のカラーフォトを収集したデータセットです。物体の感覚変動を捉えるために、各物体に対して視線角、照明角、照明色を系統的に変化させ、さらに広範囲のステレオ画像を撮影しました。各物体について100枚以上の画像を記録し、合計110,250枚の画像を収集しました。（フォーマット：png）
    18. Annotated face, hand, cardiac & meat images - ほとんどの画像と注釈は、AAM-APIを使用したさまざまなASM/AAM解析で補強されています。（フォーマット：bmp,asf）
    19. Image Analysis and Computer Graphics
    20. Brown University Stimuli - 地盤、物体、“グリーブル”を含む多様なデータセット。認識アルゴリズムのテストに適しています。（フォーマット：pict）
    21. CAVIAR video sequences of mall and public space behavior - 90,000フレームの90シーケンスのさまざまな人間の行動データ。検出および行動分類のXMLの真値（フォーマット：MPEG2 & JPEG）
    22. Machine Vision Unit
    23. CCITT Fax standard images - 8枚の画像（フォーマット：gif）
    24. CMU CIL’s Stereo Data with Ground Truth - 3セットの11枚の画像、色付きtiff画像およびスペクトル放射計測を含む（フォーマット：gif, tiff）
    25. CMU PIE Database - 68人の人物の41,368枚の顔画像データベース。13の姿勢、43の照明条件、および4つの表情で撮影されたもの。
    26. CMU VASC Image Database - 画像、シーケンス、ステレオペア（数千枚の画像）（フォーマット：Sun Rasterimage）
    27. Caltech Image Database - 約20枚の画像－主に小さな物体や玩具の上から見たもの。（フォーマット：GIF）
    28. Columbia-Utrecht Reflectance and Texture Database - 3Dテクスチャの60以上のサンプルのテクスチャおよび反射率測定。視線および照明方向の200以上の組み合わせで観測されたもの。（フォーマット：bmp）
    29. Computational Colour Constancy Data - 計算色彩恒常性に向けたデータセットだが、一般的なコンピュータビジョンにも有用。合成データ、カメラセンサーデータ、700以上の画像を含む。（フォーマット：tiff）
    30. Computational Vision Lab
    31. Content-based image retrieval database - コンテンツベースリトリーブアルゴリズムのテスト用の色画像11セット。ほとんどのセットには各画像内の物体名を記載した説明ファイルが付属。（フォーマット：jpg）
    32. Efficient Content-based Retrieval Group
    33. Densely Sampled View Spheres - 高密度サンプリングされた視点球データセット――2つの玩具物体の視点球の上半分、それぞれ2500画像。（フォーマド：tiff）
    34. Computer Science VII (Graphical Systems)
    35. Digital Embryos - デジタルエムビオは、物体認識システムの開発やテストに用いられる新しいオブジェクト。有機的な外観を持つ。（フォーマット：要望に応じて各種フォーマット提供）
    36. Univerity of Minnesota Vision Lab
    37. El Salvador Atlas of Gastrointestinal VideoEndoscopy - 胃腸内視鏡による高解像度研究データの画像と動画。（フォーマット：jpg, mpg, gif）
    38. FG-NET Facial Aging Database - 1002枚の顔画像データベース。対象者は異なる年齢にわたって撮影された。（フォーマット：jpg）
    39. FVC2000 Fingerprint Databases - FVC2000は、指紋認証アルゴリズムの第一回国際コンペティション。FVC2000ベンチマークには4つの指紋データベースが含まれており、合計3520本の指紋データがある。
    40. Biometric Systems Lab - ボローナ大学
    41. Face and Gesture images and image sequences - 顔とジェスチャーの複数の画像データセット。ベンチマーク用に正確なラベルが付与されている
    42. German Fingerspelling Database - データベースには35のジェスチャーが含まれており、20人の異なる人物のジェスチャーを非均一な日光下で記録した1400の画像シーケンスが含まれている。（フォーマット：mpg,jpg）
    43. Language Processing and Pattern Recognition
    44. Groningen Natural Image Database - 4000以上、1536x1024（16ビット）の校正済みの屋外画像（フォーマット：homebrew）
    45. ICG Testhouse sequence - 異なる視点高度からの2つの回転シーケンス。各シーケンスは36枚の画像。解像度1000x750、カラー（フォーマット：PPM）
    46. Institute of Computer Graphics and Vision
    47. IEN Image Library - 1000以上、主に屋外のシーケンス（フォーマット：raw, ppm）
    48. INRIA’s Syntim images database - シンプルな物体の15枚の色画像（フォーマット：gif）
    49. INRIA
    50. INRIA’s Syntim stereo databases - 34の校正済みカラー立体ペア（フォーマット：gif）
    51. Image Analysis Laboratory - 多様な画像モダリティから得られた画像――RAW CFA画像、範囲画像、および多数の「医療画像」。（フォーマット：homebrew）
    52. Image Analysis Laboratory
    53. Image Database - 一部のテクスチャを含む画像データベース
    54. JAFFE Facial Expression Image Database - ジャフェデータベースは、日本女性213人の被験者による6つの基本的な表情および中立表情の撮影画像から構成されており、感情形容詞の評価も無料で提供されている。研究目的に利用可能。（フォーマット：TIFFグレースケール画像）
    55. ATR Research, Kyoto, Japan
    56. JISCT Stereo Evaluation - 44の画像ペア。これらは1993年4月のARPA画像理解ワークショップの論文『JISCT立体評価』（R.C.Bolles, H.H.Baker, M.J.Hannah, 263—274）で立体解析の評価に使用された。（フォーマット：SSI）
    57. MIT Vision Texture - 画像アーカイブ（100以上）（フォーマット：ppm）
    58. MIT face images and more - 数百の画像 (フォーマット: homebrew)
    59. Machine Vision - ジャイン、カストゥリ、シュンクの教科書から取得した画像（20以上の画像） (フォーマット: GIF TIFF)
    60. Mammography Image Databases - 100以上のマメオグラム画像（正確なラベル付き）を含む。追加画像は要望に応じて提供され、複数の他のマメオグラムデータベースへのリンクも提供される。 (フォーマット: homebrew)
    61. ftp://ftp.cps.msu.edu/pub/prip - 多くの画像 (フォーマ及: unknown)
    62. Middlebury Stereo Data Sets with Ground Truth - 6つの多フレーム立体データセット（平面領域を含むシーン）。各データセットには9枚のカラー画像とサブピクセル精度の正確なラベルデータが含まれる。 (フォーマット: ppm)
    63. Middlebury Stereo Vision Research Page - ミッドバリー大学
    64. Modis Airborne simulator, Gallery and data set - 世界中の高高度画像（NASA EOSプログラムの環境モデル化を支援） (フォーマット: JPGおよびHDF)
    65. NIST Fingerprint and handwriting - データセット - 数千の画像 (フォーマット: unknown)
    66. NIST Fingerprint data - 圧縮されたマルチパートuuエンコードされたtarファイル
    67. NLM HyperDoc Visible Human Project - カラー、CAT、MRI画像サンプル - 30以上の画像 (フォーマット: jpeg)
    68. National Design Repository - 55,000以上の3DCADおよび固体モデル（主に機械・加工設計） (フォーマット: gif,vrml,wrl,stp,sat)
    69. Geometric & Intelligent Computing Laboratory
    70. OSU (MSU) 3D Object Model Database - 複数の年間で収集された3Dオブジェクトモデルセット（オブジェクト認識研究用） (フォーマット: homebrew, vrml)
    71. OSU (MSU/WSU) Range Image Database - 数百の実際のおよび合成画像 (フォーマット: gif, homebrew)
    72. OSU/SAMPL Database: Range Images, 3D Models, Stills, Motion Sequences - 1000以上のレンジ画像、3Dオブジェクトモデル、静止画像および動画シーケンス (フォーマット: gif, ppm, vrml, homebrew)
    73. Signal Analysis and Machine Perception Laboratory
    74. Otago Optical Flow Evaluation Sequences - 機械読める正確な光流場を備えた合成および実際のシーケンス、新しいシーケンスの正確なラベルを生成するツールも提供される。 (フォーマット: ppm,tif,homebrew)
    75. Vision Research Group
    76. ftp://ftp.limsi.fr/pub/quenot/opflow/testdata/piv/ - 粒子イメージ velocimetry アプリケーションのテストに使用される実際および合成画像シーケンス。これらの画像は光流および画像マッチングアルゴリズムのテストに使用可能。 (フォーマット: pgm (raw))
    77. LIMSI-CNRS/CHM/IMM/vision
    78. LIMSI-CNRS
    79. Photometric 3D Surface Texture Database - 最初の3Dテクスチャデータベースであり、実際の表面回転と登録された光度立体データ（30のテクスチャ、1680の画像）を提供。 (フォーマット: TIFF)
    80. SEQUENCES FOR OPTICAL FLOW ANALYSIS (SOFA) - 9つの合成シーケンス（運動解析アプリケーションのテスト用）で、運動およびカメラパラメータの完全な正確なラベルを含む。 (フォーマット: gif)
    81. Computer Vision Group
    82. Sequences for Flow Based Reconstruction - 構造から運動アルゴリズムのテスト用の合成シーケンス (フォーマット: pgm)
    83. Stereo Images with Ground Truth Disparity and Occlusion - ノイズが異なる量加えられた廊下の合成画像の小さなセット。これらの画像を使用して、あなたの立体アルゴリズムをベンチマークしてください。 (フォーマット: raw, viff (khoros), or tiff)
    84. Stuttgart Range Image Database - 高解像度多角形モデルから取得された合成範囲画像のコレクション（フォーマット：homebrew）
    85. Department Image Understanding
    86. The AR Face Database - 126人の顔（男性70人、女性56人）に対応する色の画像4,000枚以上。表情、照明、遮蔽の変化を含む正面ビュー。（フォーマット：RAW（RGB 2、4ビット））
    87. Purdue Robot Vision Lab
    88. The MIT-CSAIL Database of Objects and Scenes - マルチクラスオブジェクト検出およびシーン認識アルゴリズムのテスト用データベース。2873フレームが注釈された72,000以上の画像。50以上の注釈されたオブジェクトクラス。（フォーマット：jpg）
    89. The RVL SPEC-DB (SPECularity DataBase) - 3つの異なる照明条件（拡散/環境/指向）下で撮影された100オブジェクトの実際の画像300枚以上。— これらの画像を使用して、色画像におけるスペシャルハイライトの検出および補償アルゴリズムをテストしてください。（フォーマット：TIFF）
    90. Robot Vision Laboratory
    91. The Xm2vts database - XM2VTSDBは、4か月間の期間にわたって撮影された295人の4つのデジタル記録を含みます。このデータベースには顔の画像および動画データが含まれています。
    92. Centre for Vision, Speech and Signal Processing
    93. Traffic Image Sequences and ‘Marbled Block’ Sequence - 数千フレームのトラフィック画像シーケンスおよび「マーブルブロック」シーケンス（グレースケール画像）（フォーマット：GIF）
    94. IAKS/KOGS
    95. U Bern Face images - 数百の画像（フォーマット：Sun rasterfile）
    96. U Michigan textures （フォーマット：compressed raw）
    97. U Oulu wood and knots database - 分類が含まれる—1000以上の色画像（フォーマット：ppm）
    98. UCID - an Uncompressed Colour Image Database - 画像検索のベンチマークデータベース（事前に定義された真値あり）。（フォーマット：tiff）
    99. UMass Vision Image Archive - 航空、宇宙、ステレオ、医療画像など、多くの画像を含む大きな画像データベース。（フォーマット：homebrew）
    100. UNC’s 3D image database - 多くの画像（フォーマット：GIF）
    101. USF Range Image Data with Segmentation Ground Truth - 80セットの画像（フォーマット：Sun rasterimage）
    102. University of Oulu Physics-based Face Database - 異なる照明およびカメラ校正条件での顔の色画像、および各個人の肌のスペクトル反射測定値を含む。
    103. Machine Vision and Media Processing Unit
    104. University of Oulu Texture Database - 320の表面テクスチャデータベース。各テクスチャは3つの照明、6つの空間解像度、9つの回転角度で収集された。また、テクスチャの分割、分類、検索アルゴリズムを標準的な方法でテストできるテストセットが提供されています。（フォーマット：bmp, ras, xv）
    105. Machine Vision Group
    106. Usenix face database - 多くのサイトから取得された顔画像数千枚（約994年）
    107. View Sphere Database - 8つのオブジェクトの異なる視点からの画像。視点球は172枚/球のジオデシックでサンプリング。訓練およびテスト用の2セットが提供されています。（フォーマット：ppm）
    108. PRIMA, GRAVIR
    109. Vision-list Imagery Archive - 多くの画像、多くのフォーマット
    110. Wiry Object Recognition Database - カート、ラダー、スツール、自転車、椅子、そして混雑したシーンの数千枚の画像。エッジおよび領域の真値ラベル付き。（フォーマット：jpg）
    111. 3D Vision Group
    112. Yale Face Database - 165枚の画像（15人）で、異なる照明、表情、遮蔽構成を含む。
    113. Yale Face Database B - 5760枚の単一光源画像。10人の被験者それぞれについて、9の姿勢×64の照明条件の合計576の視聴条件で観測された。（フォーマット：PGM）
    114. Center for Computational Vision and Control
    115. DeepMind QA Corpus - CNNおよびDailyMailから得られたテキストベースの質問応答データセット。総計30万以上のドキュメント。Paperを参照。
    116. YouTube-8M Dataset - YouTube-8Mは、800万件のYouTube動画IDと、4800の視覚的エンティティからなる多様な語彙に基づくラベルを持つ大規模なラベル付き動画データセットである。
    117. Open Images dataset - Open Imagesは、約900万件の画像URLを含むデータセットで、ラベルが6000カテゴリ以上にわたって記述されている。
    118. Visual Object Classes Challenge 2012 (VOC2012) - オブジェクト検出およびセグメンテーションに用いる20クラスの注釈が施された12,000枚の画像を含むVOC2012データセット。
    119. Fashion-MNIST - MNISTに類似したファッション製品データセット。訓練セットは60,000例、テストセットは10,000例から構成され、各例は28×28のグレースケール画像であり、10クラスのラベルと関連付けられている。
    120. Large-scale Fashion (DeepFashion) Database - 80万以上の多様なファッション画像を含む。このデータセット内の各画像は、50カテゴリ、1,000の説明属性、境界ボックスおよび衣装のランドマークでラベル付けされている。
    121. FakeNewsCorpus - 約1000万件のニュース記事が、opensources.coタイプで分類されている。
    122. LLVIP - 低光環境における視覚研究用の15,488組の可視・赤外線ペア画像（合計30,976枚）、Project_Page
    123. MSDA - 5つの異なるドメインから得られた50万以上の画像を用いたマルチソースOCR／テキスト認識のディープラーニング研究、Project_Page
    124. SANAD: Single-Label Arabic News Articles Dataset for Automatic Text Categorization - SANADデータセットは、アルファベット新聞記事の大量収集データであり、テキスト分類や語彙埋め込みなどのアラビア語NLPタスクに使用できる。記事は、アル・カレージ、アル・アラビア、アクハボナという3つの人気新聞サイトに特化したPythonスクリプトで収集された。
    125. Referit3D - スキャンネットシーンにおける細分化された3Dオブジェクトを特定するための、大規模かつ補完的な視覚・言語データセット（Nr3DおよびSr3D）。Nr3Dは41,500件の自然な自由形式発話、Sr3Dは83,500件のテンプレートベース発話を持つ。
    126. SQuAD - スタンフォード大学が公開した約10万件の英語質問応答ペアおよび約5万件の未回答質問
    127. FQuAD - イリュインテクノロジーが公開した約25,000件のフランス語質問応答ペア
    128. GermanQuAD and GermanDPR - deepsetが公開した約14,000件のドイツ語質問応答ペア
    129. SberQuAD - Sberbankが公開した約9万件のロシア語質問応答ペア
    130. ArtEmis - WikiArtの8万件の芸術作品に対して、感情反応および言語説明を含む45万件の感情注釈。

    カンファレンス

    1. CVPR - IEEE Conference on Computer Vision and Pattern Recognition
    2. AAMAS - International Joint Conference on Autonomous Agents and Multiagent Systems
    3. IJCAI - International Joint Conference on Artificial Intelligence
    4. ICML - International Conference on Machine Learning
    5. ECML - European Conference on Machine Learning
    6. KDD - Knowledge Discovery and Data Mining
    7. NIPS - Neural Information Processing Systems
    8. O’Reilly AI Conference - O’Reilly Artificial Intelligence Conference
    9. ICDM - International Conference on Data Mining
    10. ICCV - International Conference on Computer Vision
    11. AAAI - Association for the Advancement of Artificial Intelligence
    12. MAIS - Montreal AI Symposium

    フレームワーク

    1. Caffe
    2. Torch7
    3. Theano
    4. cuda-convnet
    5. convetjs
    6. Ccv
    7. NuPIC
    8. DeepLearning4J
    9. Brain
    10. DeepLearnToolbox
    11. Deepnet
    12. Deeppy
    13. JavaNN
    14. hebel
    15. Mocha.jl
    16. OpenDL
    17. cuDNN
    18. MGL
    19. Knet.jl
    20. Nvidia DIGITS - a web app based on Caffe
    21. Neon - Python based Deep Learning Framework
    22. Keras - Theano based Deep Learning Library
    23. Chainer - A flexible framework of neural networks for deep learning
    24. RNNLM Toolkit
    25. RNNLIB - A recurrent neural network library
    26. char-rnn
    27. MatConvNet: CNNs for MATLAB
    28. Minerva - a fast and flexible tool for deep learning on multi-GPU
    29. Brainstorm - Fast, flexible and fun neural networks.
    30. Tensorflow - Open source software library for numerical computation using data flow graphs
    31. DMTK - Microsoft Distributed Machine Learning Tookit
    32. Scikit Flow - Simplified interface for TensorFlow (mimicking Scikit Learn)
    33. MXnet - Lightweight, Portable, Flexible Distributed/Mobile Deep Learning framework
    34. Veles - Samsung Distributed machine learning platform
    35. Marvin - A Minimalist GPU-only N-Dimensional ConvNets Framework
    36. Apache SINGA - A General Distributed Deep Learning Platform
    37. DSSTNE - Amazon’s library for building Deep Learning models
    38. SyntaxNet - Google’s syntactic parser - A TensorFlow dependency library
    39. mlpack - A scalable Machine Learning library
    40. Torchnet - Torch based Deep Learning Library
    41. Paddle - PArallel Distributed Deep LEarning by Baidu
    42. NeuPy - Theano based Python library for ANN and Deep Learning
    43. Lasagne - a lightweight library to build and train neural networks in Theano
    44. nolearn - wrappers and abstractions around existing neural network libraries, most notably Lasagne
    45. Sonnet - a library for constructing neural networks by Google’s DeepMind
    46. PyTorch - Tensors and Dynamic neural networks in Python with strong GPU acceleration
    47. CNTK - Microsoft Cognitive Toolkit
    48. Serpent.AI - Game agent framework: Use any video game as a deep learning sandbox
    49. Caffe2 - A New Lightweight, Modular, and Scalable Deep Learning Framework
    50. deeplearn.js - Hardware-accelerated deep learning and linear algebra (NumPy) library for the web
    51. TVM - End to End Deep Learning Compiler Stack for CPUs, GPUs and specialized accelerators
    52. Coach - Reinforcement Learning Coach by Intel® AI Lab
    53. albumentations - A fast and framework agnostic image augmentation library
    54. Neuraxle - A general-purpose ML pipelining framework
    55. Catalyst: High-level utils for PyTorch DL & RL research. It was developed with a focus on reproducibility, fast experimentation and code/ideas reusing
    56. garage - A toolkit for reproducible reinforcement learning research
    57. Detecto - Train and run object detection models with 5-10 lines of code
    58. Karate Club - An unsupervised machine learning library for graph structured data
    59. Synapses - A lightweight library for neural networks that runs anywhere
    60. TensorForce - A TensorFlow library for applied reinforcement learning
    61. Hopsworks - A Feature Store for ML and Data-Intensive AI
    62. Feast - A Feature Store for ML for GCP by Gojek/Google
    63. PyTorch Geometric Temporal - Representation learning on dynamic graphs
    64. lightly - A computer vision framework for self-supervised learning
    65. Trax — Deep Learning with Clear Code and Speed
    66. Flax - a neural network ecosystem for JAX that is designed for flexibility
    67. QuickVision
    68. Colossal-AI - An Integrated Large-scale Model Training System with Efficient Parallelization Techniques
    69. haystack: an open-source neural search framework
    70. Maze - 現実世界の意思決定問題に向けた、深層強化学習フレームワーク。
    71. InsNet - A neural network library for building instance-dependent NLP models with padding-free dynamic batching

    ツール

    1. Nebullvm - 複数の深層学習コンパイラを活用した深層学習インフェレンスを簡易に実行できるライブラリ。
    2. Netron - 深層学習および機械学習モデルの可視化ツール。
    3. Jupyter Notebook - ウェブベースのインタラクティブコンピューティング環境
    4. TensorBoard - TensorFlowの可視化ツールキット
    5. Visual Studio Tools for AI - ディープラーニングおよびAIソリューションの開発、デバッグ、デプロイ
    6. TensorWatch - ディープラーニング向けのデバッグおよび可視化
    7. ML Workspace - 機械学習およびデータサイエンス用のワンストップウェブベースIDE
    8. dowel - 機械学習研究用のシンプルなログツール。コンソール、CSV、TensorBoard、テキストログファイルなどに、1つの呼び出しで任意のオブジェクトをログ出力。 logger.log()
    9. Neptune - 実験の追跡と結果の可視化に特化した軽量ツール
    10. CatalyzeX - ブラウザ拡張機能（Chrome および Firefox）が、オンラインのML論文（Google、Twitter、Arxiv、Scholarなど）のコード実装を自動検索しリンクする
    11. Determined - ディープラーニングトレーニングプラットフォーム。分散トレーニング、ハイパーパラメータチューニング、スマートGPUスケジューリング、実験追跡、モデル登録を統合サポート。
    12. DAGsHub - オープンソースML向けのコミュニティプラットフォーム — 実験、データ、モデルを管理し、協働MLプロジェクトを簡単に作成。
    13. hub - activeloop.aiが提供するTensorFlow/PyTorch用の未構造データ管理ツール。データのストリーム処理とバージョン管理。クラウド上に大きなデータを1つのnumpy風配列に変換し、どのマシンからでもアクセス可能。
    14. DVC - DVCは機械学習モデルの共有性と再現性を実現するために設計されている。大規模ファイル、データセット、機械学習モデル、メトリクス、コードをすべて対応。
    15. CML - CMLは、あなたの好きなDevOpsツールを機械学習に導入するためのツール。
    16. MLEM - MLEMは、機械学習モデルを簡単にパッケージ化・デプロイ・サーバーに提供するツール。リアルタイムサーバーおよびバッチ処理など、さまざまなシナリオをスムーズにサポート。
    17. Maxim AI - AIエージェントのシミュレーション、評価および可視化に特化したツール。

    その他

    1. Caffe Webinar
    2. 100 Best Github Resources in Github for DL
    3. Word2Vec
    4. Caffe DockerFile
    5. TorontoDeepLEarning convnet
    6. gfx.js
    7. Torch7 Cheat sheet
    8. Misc from MIT’s ‘Advanced Natural Language Processing’ course
    9. Misc from MIT’s ‘Machine Learning’ course
    10. Misc from MIT’s ‘Networks for Learning: Regression and Classification’ course
    11. Misc from MIT’s ‘Neural Coding and Perception of Sound’ course
    12. Implementing a Distributed Deep Learning Network over Spark
    13. A chess AI that learns to play chess using deep learning.
    14. Reproducing the results of “Playing Atari with Deep Reinforcement Learning” by DeepMind
    15. Wiki2Vec. Getting Word2vec vectors for entities and word from Wikipedia Dumps
    16. The original code from the DeepMind article + tweaks
    17. Google deepdream - Neural Network art
    18. An efficient, batched LSTM.
    19. A recurrent neural network designed to generate classical music.
    20. Memory Networks Implementations - Facebook
    21. Face recognition with Google’s FaceNet deep neural network.
    22. Basic digit recognition neural network
    23. Emotion Recognition API Demo - Microsoft
    24. Proof of concept for loading Caffe models in TensorFlow
    25. YOLO: Real-Time Object Detection
    26. YOLO: Practical Implementation using Python
    27. AlphaGo - A replication of DeepMind’s 2016 Nature publication, “Mastering the game of Go with deep neural networks and tree search”
    28. Machine Learning for Software Engineers
    29. Machine Learning is Fun!
    30. Siraj Raval’s Deep Learning tutorials
    31. Dockerface - Dockerコンテナ内にインストール・使用可能なディープラーニングのFaster R-CNN顔検出ツール（画像および動画対応）。
    32. Awesome Deep Learning Music - ディープラーニングを音楽に応用した科学的研究に関連する記事のキュレーションリスト
    33. Awesome Graph Embedding - ディープラーニングをグラフ構造データに応用した科学的研究（グラフレベル）に関連する記事のキュレーションリスト
    34. Awesome Network Embedding - ディープラーニングをグラフ構造データに応用した科学的研究（ノードレベル）に関連する記事のキュレーションリスト
    35. Microsoft Recommenders 推薦システムの構築に必要な例、ユーティリティ、ベストプラクティスを含む。自習および自作アプリケーションへのカスタマイズに、いくつかの最先端アルゴリズムの実装を提供。
    36. The Unreasonable Effectiveness of Recurrent Neural Networks - アンデル・カーパスティのRNNを用いたテキスト生成に関するブログ記事
    37. Ladder Network - セミ監督学習用のラダーネットワークのケラス実装
    38. toolbox: Curated list of ML libraries
    39. CNN Explainer
    40. AI Expert Roadmap - 人工知能専門家になるための道筋
    41. Awesome Drug Interactions, Synergy, and Polypharmacy Prediction

    コントリビューション

    Have anything in mind that you think is awesome and would fit in this list? Feel free to send a pull request.

    ライセンス

    CC0

    法的に可能である範囲内で、Christos Christofidisはこの作品に関するすべての著作権および関連又は隣接する権利を放棄した。