关注并星标
从此不迷路
计算机视觉研究院
公众号ID|ComputerVisionGzq
学习群|扫码在主页获取加入方式
计算机视觉研究院专栏
2
0
新年的钟声即将敲响,美好的拉开序幕,告别2021,迎接新的开始,2022继续奔走在自己的热爱里。2022,新的一年,新的开始!
2
2
01
前言
今天是2021年12月31日,也是今年的最后一天。明天既是元旦,它代表新一年的开始,在人们心目中是个欢快的节日。
在2021年,“计算机视觉研究院”陪伴大家一路走来,我们分享了今年的最新深度学习领域的框架、源码及资讯,也认识了更多的朋友、同事、共同努力的小伙伴,在此我们衷心表示感谢,感谢大家一直的支持与关注,新的一年,我们“计算机视觉研究院”继续努力,给关注的你们带来更新更高质量的分享,让我们一起努力,共同进步!
02
2021年的回顾
在2021年,“计算机视觉研究院”一直努力在微信公众号平台给大家带来最新的分享,因此我们也获得了更多小伙伴的关注与支持。在大家的关注下监督下支持下,我们的平台也得到该领域部分同学的认可,我们对此也感到自豪,新的一年我们继续努力!
微信公众号
我们的阅读量,从原先3W左右到目前的9W+
(一段时间)
知乎
我们也会同步内容到知乎上,并且给遇到困难的同学一些帮助,一起修改代码及撰写新框架创新点。
CSDN
我们也会分享一些基础知识的代码&书籍资料,并撰写高质量的文章,让更多的同学在学习的过程中更加轻松去了解该领域!
我们2021年期间也放弃管理了一些平台,有兴趣的同学还是加入我们公众号、知乎等,这样可以每天获取到最新信息:
这一路感谢大家的关注支持,我们新年会有“粉丝回馈”活动,大家记得关注我们公众号的推送!
2020年荣誉
目前腾讯云+社区的账户更名为:计算机视觉研究院
公众号内容
页面链接:
http://mp.weixin.qq/mp/homepage?__biz=MzU0NTAyNTQ1OQ==&hid=4&sn=8ede0e9a5a32f8aa33d66590e06f491f&scene=18#wechat_redirect
公众号“计算机视觉研究院”的主旨就是:
一起学习,共同进步!
我们的的原则是:
只做原创,将最好的分析给大家!
ML & DL
具体的发布内容见下:
机器学习基础
1
✕
【ML】令人头疼的正则化项
【ML】图像分类笔记(上)
【ML】图像分类笔记(下)
【ML】线性分类笔记(上)
【ML】线性分类笔记(中)
【ML】线性分类笔记(下)
【ML】最优化笔记(上)
【ML】最优化笔记(下)
【ML】机器学习中容易犯下的错
【ML】入门阶段易犯的5个错误
深度学习基础
1
✕
【DL】NVIDIA DIGITS
【DL】Caffe源码---------主要框架介绍
【DL】Caffe源码---Blob基本使用
【DL】深度学习超参数简单理解(修改版)
【DL】深度学习---反向传播的具体案例
【DL】深度学习——感受野
【DL】ReLU深度网络能逼近任意函数的原因
【DL】最近流行的激活函数
【DL】常见的损失函数
【DL】神经网络(上)
【DL】神经网络(下)
【DL】如何成为一名成功的“炼丹师”——DL训练技巧
【DL】深层学习入门误区
【DL】TensorFlow的学习
【DL】梯度优化
【DL】各类的梯度优化
【DL】小心深度学习这个“坑”(入门误区详细版)
【DL】卷积神经网络的前向传播
【DL】卷积神经网络的反向传播
【DL】机器学习------令人头疼的正则化项
深度学习基础类文献
1
✕
【DL基础】详聊CNN的精髓
【DL基础】深度网络的“从古至今”的蜕变
【DL基础】Deep Learning的展望
【DL基础】深度学习近期总结分析
【DL基础】DL框架的未来发展,TensorFlow/MXNet/Torch, 选哪个?
【DL基础】深度学习的“深度”有什么意义?
【DL基础】深度学习的昨天、今天和明天
【DL基础】如何给非专业人士讲解什么是深度学习?
【DL基础】贾扬清与Caffe
【DL基础】深度学习——人工神经网络再掀研究热潮
【DL基础】神经网络机制中的脑科学原理
【DL基础】深度学习入门必备的13张小抄(附下载)
【DL基础】五个案例,三大心得——带你进阶深度学习的实践应用之路
【DL基础】资源 | 深度学习入门和学习书籍
【DL基础】一文读懂监督学习、无监督学习、半监督学习、强化学习这四种深度学习方式
【DL基础】纯干货 | 深度学习研究综述
【DL基础】超级干货 | 从神经元到CNN、RNN、GAN…神经网络看本文绝对够了
【DL基础】CNN的全面解析(带你简单轻松入门)
【DL基础】从Bounding Boxes中能够学习什么?
【DL基础】Deep Learning(深度学习)神经网络为啥可以识别?
【DL基础】2017年深度学习优化算法最新综述
目标检测&识别
1
✕
【目标检测&识别】纯干货:Box Size置信度偏差会损害目标检测器(附源代码)
【目标检测&识别】Poly-YOLO:更快,更精确的检测(主要解决Yolov3两大问题,附源代码)
【目标检测&识别】优于FCOS:在One-Stage和Anchor-Free目标检测中以最小的成本实现最小的错位(代码待开源)
【目标检测&识别】特征金字塔特征用于目标检测
【目标检测&识别】角网络——目标检测(文后有paper地址及源码)
【目标检测&识别】目标检测也就是这么简单
【目标检测&识别】什么促使了候选目标的有效检测?
【目标检测&识别】这样可以更精确的目标检测——超网络
【目标检测&识别】哇~这么Deep且又轻量的Network,实时目标检测
【目标检测&识别】干货 | 目标识别算法的进展
【目标检测&识别】ECCV-2018最佼佼者的目标检测算法
【目标检测&识别】分割算法——可分割一切目标(各种分割总结)
【目标检测&识别】实战——目标检测与识别
【目标检测&识别】目标检测识别专题1 | 目标检测识别的深度学习方法研究(入门及提升必备)
【目标检测&识别】干货 | 视频显著性目标检测(文末附有完整源码)
【目标检测&识别】性能大幅度提升(速度&遮挡) | 基于区域分解&集成的目标检测
【目标检测&识别】基础知识 | 目标检测中Anchor的认识及理解
【目标检测&识别】三分支网络——目前目标检测性能最佳网络框架
【目标检测&识别】基于手机系统的实时目标检测
【目标检测&识别】简单的目标检测与分析
人脸检测&识别
1
✕
【人脸】目前最强性能的人脸检测算法(Wider Face Dataset)
【人脸】重磅 | 最新人脸检测&识别的趋势和分析(文末有福利)
【人脸】未来人工智能之人脸领域技术
【人脸】近期人脸对齐的实证性研究
【人脸】人脸对齐之GBDT(ERT)算法解读
【人脸】人脸注意机制网络
【人脸】有效遮挡检测的鲁棒人脸识别
【人脸】漫画人脸检测 | 全局和局部信息融合的深度神经网络(文末源码)
【人脸】鲁棒异构判别分析的单样本人脸识别(文末附文章地址)
【人脸】判别特征学习方法用于人脸识别
【人脸】人脸识别——新的一个境界(无约束)
【人脸】人脸检测与识别的趋势和分析(增强版)
【人脸】人脸检测与识别技术(怎么去创新?)
【人脸】在警察领域高级人脸识别技术的一致性
【人脸】人脸检测与识别的趋势和分析
【人脸】基于深度模型的人脸对齐和姿态标准化
【人脸】人脸检测与识别总结
【人脸】从人脸识别到行人重识别,下一个风口
【人脸】改进的阴影抑制用于光照鲁棒的人脸识别
【人脸】尺度不变人脸检测器(S3FD-Single Shot Scale-invariant Face Detector)
【人脸】强大的姿势感知模型用于姿势不变的人脸识别
【人脸】人脸专集1 | 级联卷积神经网络用于人脸检测(文末福利)
【人脸】人脸专集2 | 人脸关键点检测汇总(文末有相关文章链接)
【人脸】人脸专集3 | 人脸关键点检测(下)—文末源码
【人脸】人脸专集4 | 遮挡、光照等因素的人脸关键点检测
【人脸】人脸专集5 | 最新的图像质量评价
【人脸】人脸专集阶段性总结
在此,“计算机视觉研究院”提前祝大家新年快乐!
© The Ending
转载请联系本公众号获得授权
计算机视觉研究院学习群等你加入!
计算机视觉研究院主要涉及深度学习领域,主要致力于人脸检测、人脸识别,多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架,我们这次改革不同点就是,我们要着重”研究“。之后我们会针对相应领域分享实践过程,让大家真正体会摆脱理论的真实场景,培养爱动手编程爱动脑思考的习惯!
扫码关注
计算机视觉研究院
公众号ID|ComputerVisionGzq
学习群|扫码在主页获取加入方式
更多推荐
计算视觉研究院年底总结(干货满满)
发布评论