循环神经网络RNN：

LSTM模型与前向反向传播算法 – 刘建平Pinard – 博客园

L(Long short-Term memory)是一种循环神经网络(RNN)的变体，用于序列数据。在L中，细胞状态(cel state)和状态(hiddenstate)是两个重要的概念。
细胞状态是LSTM网络中的主要记忆单元。它责存储和传递信息，以便在处理长序列数据时持长期依赖关系。细胞状态每个时间步被更新，并通过门控机制来控制信息的流动。它可以看是LSTM网络的主记忆存储单元，负责记长期的上下文信息
隐状态是LSTM网络的输出，称为隐藏状态或输出状态。它是基当前输入和前一个时间步的隐状态来计算得出的。隐状态包含了当前时间步的信息，可以看作是网络对当前输入的理解或表示。在LSTM中，隐状态通过门控机制与细胞状态进行交互，并控制信息的流动。
简而言之，细胞状态是LSTM网络中的主要记忆单元，用于存储和传递长期依赖关系的信息;而隐状态是基于当前输入和前一个时间步的隐状态计算得出的输出，表示网络对当前输入的理解或表示。

完全解析RNN, Seq2Seq, Attention注意力机制 – 知乎

学习笔记-循环神经网络(RNN)及沿时反向传播BPTT – 知乎

循环神经网络(RNN)介绍3：RNN的反向传播算法Backpropagation Through Time (BPTT) – 知乎

Auto Encoder：

深度学习-生成模型：AutoEncoder模型（Encoder-Decoder框架==Embedding+Generator）【Variational AutoEncoder已被GAN取代】_embedding generator-CSDN博客

一文理解变分自编码器（VAE） – 知乎

VAE: 变分自编码器原理实现与应用 – 知乎

目标检测：

《深度学习》之 目标检测 最全详解 （一）_基于区域建议的目标检测与识别算法-CSDN博客

目标检测（Object Detection）-CSDN博客

目标检测|YOLO原理与实现 – 知乎

图解目标检测 之 YOLO 算法 最全原理详解_yolo算法原理-CSDN博客

目标检测（3）-SPPNet – 知乎

目标检测（1）-Selective Search – 知乎

一文读懂Faster RCNN（大白话，超详细解析）-CSDN博客

非极大值抑制详细原理（NMS含代码及详细注释）_非极大值抑制算法原理-CSDN博客

Faster R-CNN详解-CSDN博客

选择性搜索算法(Selective Search)超详解（通俗易懂版）-CSDN博客

box_loss,obj_loss,cls_loss,Size的含义，以及他们数据增长与降低时，是好还是坏_cls loss-CSDN博客

目标检测评估指标：

目标检测中的评价指标F-score AP mAP ROC/AUC的理解和使用_目标检测f1 score指标-CSDN博客

目标检测Object Detection下的P-R曲线，AP，mAP，AUC，ROC曲线详解_目标检测pr曲线-CSDN博客

机器学习常用评价指标：ACC、AUC、ROC曲线_acc auc-CSDN博客

目标检测中评估指标mAP详解和计算方式_map评价指标是自己计算吗-CSDN博客

图像描述生成：

【CV+NLP】更有智慧的眼睛：图像描述（Image Caption）&视觉问答（VQA）综述（上） – 知乎

图像描述生成（image caption） – 知乎

【Image captioning】AI算法说——图像描述（Image captioning）-CSDN博客

图像描述（image captioning）深入解析 – 知乎