计算视觉研究院年底总结（干货满满）

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