深度学习图像分类经典论文推荐

以下是一些使用经典图像分类的深度学习算法的论文推荐：

1. 'ImageNet Classification with Deep Convolutional Neural Networks' by Alex Krizhevsky, Ilya Sutskever, and Geoffrey E. Hinton. 这篇论文介绍了AlexNet，是深度学习在图像分类上的重要突破之一。

2. 'Very Deep Convolutional Networks for Large-Scale Image Recognition' by Karen Simonyan and Andrew Zisserman. 这篇论文介绍了VGGNet，提出了一种更深的卷积神经网络结构，在图像分类任务上取得了较好的性能。

3. 'Going Deeper with Convolutions' by Christian Szegedy, Wei Liu, Yangqing Jia, Pierre Sermanet, Scott Reed, Dragomir Anguelov, Dumitru Erhan, Vincent Vanhoucke, and Andrew Rabinovich. 这篇论文介绍了GoogLeNet，提出了Inception模块，并在ILSVRC 2014图像分类挑战中获得了优异的成绩。

4. 'Deep Residual Learning for Image Recognition' by Kaiming He, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. 这篇论文介绍了ResNet，提出了残差网络结构，有效解决了深度网络训练中的梯度消失和过拟合问题。

5. 'Identity Mappings in Deep Residual Networks' by Kaiming He, Xiangyu Zhang, Shaoqing Ren, and Jian Sun. 这篇论文是对ResNet的改进，提出了Identity Mapping的概念，进一步提升了深度残差网络的性能。

这些论文是深度学习在图像分类领域的经典工作，可以作为了解和研究该领域的起点。