【总结】循序渐进,有三AI不得不看的技术综述(超过100篇核心干货)

有三AI很少写零散的报导,因为我们的文章通常都是提炼与总结,一般遇到一个新方向,找技术综述读一读是最合适的开始,大家也可以拓展一下自己的知识边界,今天总结一下有三AI迄今为止发过的技术综述类文章,也欢迎大家来投稿原创。

CV算法工程师指导手册

《深度学习视觉算法工程师成长指导手册》,超过11万字,360页word文档,可下载收藏打印,且还有大约1/3内容并未完结,最终可能超过20万字,相当于一本400页左右的书(已经确定会编撰成书),发送关键词“三人行必有AI”到公众号即可先睹为快。

有三AI发布360页11万字深度学习CV算法工程师成长指导手册,可下载收藏打印,未完待续

本手册以深度学习视觉算法工程师为例,借鉴广泛采用的评级机制,分为4个大境界,即白身,初识,不惑,有识。每一个境界都由浅入深提供10多篇文章对核心知识点进行梳理,并对技术发展的最新水平进行简单介绍和展望,目前已经超过30期文章。

自然语言处理算法核心技术

这里共包括12篇文章,从NLP中常用的机器学习算法开始,介绍了NLP中常用的算法和模型。从朴素贝叶斯到XLnet,从RNN到transformerXL。公众号已经有很多的NLP相关的内容了,覆盖理论和实战,欢迎大家阅读。

【完结】 12篇文章带你完全进入NLP领域,掌握核心技术

GAN

被誉为新一代深度学习的生成对抗网络GAN,在近几年是实实在在的学术界和工业界宠儿,其中最核心基础的内容便是优化目标了。首先我们从基本的对抗损失,到各种训练技巧进行了总结,这个综述你值得阅读,第二季已经开始更新。

【完结】12篇GAN的优化文章大盘点,浓浓的数学味儿

同时有三在很早的时候对GAN的应用和结构也开始做一些总结,GAN在人脸图像领域和底层图像处理领域里已经颇有建树,我们详细总结了它的各个应用方向及其一些关键技术要点,大家可以查看我们的GAN总结,以及相关技术综述。

【杂谈】如何系统性地学习生成对抗网络GAN

【杂谈】GAN对人脸图像算法产生了哪些影响?

【杂谈】那些底层的图像处理问题中,GAN能有什么作为?

AutoML与模型优化

自从Google提出AutoML技术以来,已经过去了好几年了,如今在学术界和工业界都是热点。AutoML在网络结构的搜索上已经取得了非常多的突破,相关的文章,技术博客都已经广为流传,那么除了在网络结构本身的搜索上,AutoML技术对于深度学习模型的优化还有哪些贡献呢?我们简要总结了这个问题,并贡献了一些资料。

【小结】除了网络搜索(NAS),AutoML对深度学习模型优化还有哪些贡献?

模型设计与优化

相比于学术理论研究,深度学习更是一门工程应用技术,其中最重要的一块内容就是模型,迄今为止为了让大家更好地掌握深度学习模型设计和优化,我们做了非常多的工作,剖析深度学习中各类具有代表性的CNN模型,详细分析了各类模型的特点,设计思想。从图文,到视频直播,到知识星球,应有尽有!

【杂谈】为了让大家学好深度学习模型设计和优化,有三AI都做了什么

【总结】言有三&阿里天池深度学习模型设计直播汇总,附赠超过200页直播PPT课件

【完结】总结12大CNN主流模型架构设计思想

有三AI开源项目

这是有三AI开源的第一个GitHub项目,地址为https://github.com/longpeng2008/yousan.ai,在这里给大家捋清楚12大深度学习开源框架的快速入门,从熟练掌握不同任务数据的准备和使用,熟练掌握模型的定义,熟练掌握训练过程和结果的可视化,到熟练掌握训练方法和测试方法,真正快速掌握框架。

【完结】给新手的12大深度学习开源框架快速入门项目

同时在这个项目中还包括每周论文阅读,一周一个方向,系统性成长,目前CV+NLP加起来已经超过了20期。
新手如何使用有三AI系统性跟读AI领域的论文
另外,移动端的框架也已经准备开撸,只是时间有限未更新,感兴趣的朋友可以投稿。
【移动端DL框架】当前主流的移动端深度学习框架一览

人脸图像研究领域

人脸图像属于最早被研究的一类图像,也是计算机视觉领域中应用最广泛的一类图像,可以说掌握好人脸算法,基本就玩转了计算机视觉领域。在经历了几十年的发展后,现在人脸图像都有哪些研究和应用领域呢?本文从人脸特征,人脸检测,人脸关键点检测,人脸识别,人脸属性分析,人脸分割,人脸美颜,人脸编辑与风格化,三维人脸重建等方向来进行简单介绍。文末覆盖若干综述,系统性文章阅读。

【杂谈】计算机视觉在人脸图像领域的十几个大的应用方向,你懂了几分?

另外对人脸的数据集也进行了详细解读,当时文章都险些超过公众号最大长度。

【技术综述】一文道尽“人脸数据集”

图像分类核心技术

图像分类这个计算机视觉领域里最基本的问题真的很简单吗?恐怕大部分人接触的只是其中简单的内容。从基本的分类到多标签,细粒度,对抗攻击和不平衡样本处理,真正认识一下图像分类或许你需要这个16篇文章的总结,其中还包括了若干篇综述。

【完结】16篇图像分类干货文章总结,从理论到实践全流程大盘点!

视频分类综述

视频虽是由多帧的图像组成,但视频分类任务与图像分类任务终究不同。此综述从传统方法和深度学习方法,数据集等维度对视频分类方法做了完整总结介绍。

【技术综述】视频分类/行为识别研究综述,从数据集到方法

数据增强综述

很多实际的项目,我们都难以有充足的数据来完成任务,要保证完美的完成任务,有两件事情需要做好:(1)寻找更多的数据。(2)充分利用已有的数据进行数据增强,这里就是对当前数据增强方法的综述,覆盖有监督无监督,单样本多样本方法等,数据增强的重要性你越做就越懂。

【技术综述】深度学习中的数据增强方法都有哪些?

另外,关于如何掌握深度学习中数据的使用,也给出了一些建议,知识星球中提供了许多重要资源下载链接。

【杂谈】如何从数据准备,模型设计与调优,训练到部署完成整个深度学习算法流程

12大主流图像分割模型

介绍完基本的模型架构之后,我们又紧接着介绍了12大主流的图像分割模型架构,对于做分割的你来说,不可错过。

【完结】12篇文章带你逛遍主流分割网络

闲聊图像分割

有三做的时间最久的就是图像分割了,从传统的阈值法,聚类,图割,水平集,到深度学习,这里就是我对图像分割算法的大总结。

【技术综述】闲聊图像分割这件事儿

弱监督图像分割综述

接着图像分割综述,我们又总结了弱监督图像分割综述,欢迎继续学习。

【技术综述】基于弱监督深度学习的图像分割方法综述

可视化

深度学习模型是个黑盒子,我们可以从网络结构,权重,训练曲线等各个维度进行可视化来理解它的学习过程和工作机制。

【技术综述】“看透”神经网络

softmax loss解读

softmax loss是我们最熟悉的loss之一了,分类任务中使用它,分割任务中依然使用它。在这里,我们推导它的公式,总结了它的变种,尤其是在人脸识别任务中的应用

【技术综述】一文道尽softmax loss及其变种

Faster RCNN源代码解读

鉴于网络上目标检测的技术综述太多,我们没有再继续写作,而是解读了最优秀的目标检测框架之一Faster R-CNN, 详细剖析了各个模块的源代码

【技术综述】万字长文详解Faster RCNN源代码

美学研究

何以为美,从自拍到颜值到通用的美学问题,这是一个永远都没有答案,但是又迷人的话题,一切都才刚刚开始。

【技术综述】计算机审美,学的怎么样了?

自动构图

作为一个摄影爱好者,研究构图是有三的一大乐趣,将AI技术用于构图,更是有着广阔的应用前景,如果你也喜欢,不要错过噢。

【技术综述】深度学习自动构图研究报告

国内AI研究院就业总结

在这个专栏中,我们和大家一起分享了国内12大研究院的背景,从最开始介绍的历史最悠久的微软亚洲研究院,到最后介绍的低调务实的网易人工智能,带大家领略了每个研究院的研究方向,团队情况,欣赏了各大研究院的拳头产品

【完结】中国12大AI研究院,高调的低调的你pick谁

优秀的深度学习从业者习惯

一个优秀的深度学习从业者,必然是技能全面,擅长学习的人,在这里我们总结了从看论文到写代码,从刷论坛到刷比赛的一系列资源供大家挑选学习,几乎覆盖了所有学习资料和方法,而且还在不断更新。

【完结】优秀的深度学习从业者都有哪些优秀的习惯

知识星球生态

有三AI知识星球是有三AI的重点私密社区,从模型到数据,从机器学习到深度学习,从理论到实战,是公众号内容的补充和升华,可以更自由的交流和学习。仅仅模型架构就已经有超过几百期的解读,数据集也已经有上T容量的共享。

【杂谈】为什么邀请大家加入硬核知识星球有三AI

【年终总结】2019年有三AI知识星球做了什么,明年又会做什么

其实除了以上综述类的文章,还有一些虽然没有标注为总结或者综述但实际上也是综述的文章,包括图像降噪,人脸的各个领域,已经被包含在各类文章中,就不一一点破了,喜欢的朋友自己去找找吧,这是一个很大的矿。

另外,还有关于公众号的一些非技术文章的总结,有助于了解生态,也欢迎阅读

生态总结

有三AI原创生态已经很庞大,覆盖技术文章,产品,人才培养等,接下来是一些重要的总结,包括创办初衷,一周年总结,2019年年终总结,人才培养体系。

现如今我们坚持不接广告,只做原创,系统输出,已经有超过500期文章了,在这里诚意邀请喜欢分享原创内容的同学加入,成为专栏作者,不仅可以督促自己学习,还可以获得个人收入以及平台的资源扶持。

三人行,必有AI,一起发光发热,变得更好!

转载文章请后台联系

侵权必究

(0)

相关推荐