大佬教程收集整理的这篇文章主要介绍了计算机视觉--CV技术指南文章汇总,大佬教程大佬觉得挺不错的,现在分享给大家,也给大家做个参考。
前言
本文汇总了过去本公众号原创的、国外博客翻译的、从其它公众号转载的、从知乎转载的等一些比较重要的文章,并按照论文分享、技术总结三个方面进行了一个简单分类。点击每篇文章标题可阅读详细内容
欢迎关注公众号 CV技术指南 ,专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读。
今年是进入计算机视觉领域的第四年,做公众号的第一年,写了不少原创文章,从国外博客上翻译了不少我认为比较不错的文章,也从知乎上找了不少不错的文章在经作者授权后转载到公众号。
整体上来说,这一年基本保持初心,始终在做一个专注于计算机视觉技术总结、最近技术跟踪、最新论文分享和经典论文解读的公众号。公众号从未采用夸大的标题,宁可不更,也不会强行找一篇无用文章、无用新闻来更新。
今年公众号创立了一个计算机视觉的微信交流群,目前群内氛围还算不错,基本有问有答,想要加群的朋友可以扫描文末的二维码添加编辑微信,经邀请后加群。
与此同时,公众号与一部分互联网企业进行了合作,发布一些计算机视觉的招聘岗位,读者可通过公众号直接内推给HR。
今年主要更新的内容是论文分享和技术总结。
论文分享方面主要介绍论文的研究背景、创新思路和简要介绍创新方法。基本不涉及到代码解读,只提供官方代码的链接,这主要是考虑到对读者负责。计算机是一个对动手能力要求特别高的领域,如果你觉得论文中的方法可以用在你自己的项目或研究上,你应该自己去结合源码完整地阅读整篇论文,这是一种做研究或做项目的正确态度。如果习惯于阅读别人解读得非常详尽的文章,无异于衣来伸手饭来张口,白白丢失了锻炼自己能力的机会,其结果将是始终不具备自学的能力,做事效率极低。
技术总结方面主要对现有的一些技术进行总结,如目标检测、语义分割中的常见的特征金字塔、注意力机制等,神经网络中的初始化方法、归一化方法、损失函数等,各个方向上的一些技术等。通过这些总结,读者能够非常清晰地了解这些方法之间的优缺点,改进思路等。吐槽一句,几乎每篇技术总结都花费了将近两三天的时间,一天时间全面搜寻相关文章,尽可能总结全面,一天时间思考如何写,一天时间完成整体写作,每次更新完一篇技术总结文章,都极其劳累,连玩手机的精力都没有。
接下来一年将继续进行论文分享、技术总结,此外,将会扩展一些代码技术方面的内容。今年始终没有面向读者约稿,这是因为公众号收入比较低,给不出稿费。
如果有读者愿意免费分享的话,可以向公众号提供自己原创的一些技术总结、经验、论文解读等文章,让更多人一起学习进步,共同推动计算机视觉领域的发展。与此同时,读者朋友们也可以把公众号当作是一个自我激励的平台,如一周或两周分享一篇文章到公众号,让自己始终保持不断输入不断输出的状态。公众号也会记录大家供稿的次数,日后若公众号有比较不错的收入,将会向那些给公众号多次供稿的读者们发一些稿费。
补充一句:希望大家养成锻炼身体的习惯,每次更新公众号,都要在座位上四五个小时一动不动,实在辛苦。如果读者朋友们看到觉得不错的文章,可以文末点个赞,会让我更有创作动力。
ICCV2021 | 简单有效的长尾视觉识别新方案:蒸馏自监督(SSD)
ICCV2021 | Swin Transformer: 使用移位窗口的分层视觉Transformer
ICCV2021 | SOTR:使用transformer分割物体
ICCV2021 | PnP-DETR:用Transformer进行高效的视觉分析
ICCV2021 | Vision Transformer中相对位置编码的反思与改进
ICCV2021 | 重新思考视觉transformers的空间维度
ICCV2021 | TOOD:任务对齐的单阶段目标检测
ICCV2021 | 用于视觉跟踪的学习时空型transformer
ICCV2021 | 渐进采样式Vision Transformer
ICCV2021 | Tokens-to-Token ViT:在ImageNet上从零训练Vision Transformer
ICCV2021 | 梯度归一化用于GAN
ICCV2021 | 医学影像等小数据集的非自然图像领域能否用transformer?
ICCV2021 | TransFER:使用Transformer学习关系感知的面部表情表征
ICCV2021 | SMCA:即插即用的共同注意力模型,可使DETR收敛加速10倍
ICCV2021 | MicroNet:以极低的 FLOPs 改进图像识别
ICCV2021 | 深度理解CNN
ICCV2021 Oral | AdaFocus:利用空间冗余性实现高效视频识别
CVPR2021 | TrivialAugment:不用调优的SOTA数据增强策略
CVPR2020 | D3S: 判别式单镜头分割跟踪器
CVPR2021 | SETR: 使用 Transformer 从序列到序列的角度重新思考语义分割
CVPR2021 | 开放世界检测综述
CVPR2021 | 开放世界的目标检测
CVPR2021 | TransCenter: transformer用于多目标跟踪算法
CVPR2021 | Transformer用于End-to-End视频实例分割
CVPR2021提出的一些新数据集汇总
CVPR2021|特征金字塔的新方式YOLOF
CVPR2021 | 重新思考BatchNorm中的Batch
CVPR2021|一个高效的金字塔切分注意力模块PSA
CVPR2021 | 华为诺亚实验室提出Transformer in Transformer
CVPR2021 | 继SE,CBAM后的一种新的注意力机制Coordinate Attention
CVPR2021 | 开放世界的目标检测
CVPR2021 | TimeSformer-视频理解的时空注意模型
CVPR2021 | 一个高效的金字塔切分注意力模块PSA
CVPR2021 | PVT--无卷积密集预测的多功能BACkbone
CVPR2021 | 特征金字塔的新方式YOLOF
CVPR2021 | 华为诺亚实验室提出Transformer in Transformer
CVPR2021 | 行人搜索中的第一个anchor-free模型
从CVPR 2021的论文看计算机视觉的现状
Panoptic SegFormer:端到端的 Transformer 全景分割通用框
@H_898_204@mobileVIT:轻量级视觉Transformer+移动端部署
AAAI2021 | 任意方向目标检测中的动态Anchor学习
ICML2021 | 二值化网络训练方法
NeurlPS2021 | WBF:继NMS和Soft-NMS后的过滤候选框新方法
@H_939_220@mL2021 | PatrickStar:通过基于块的内存管理实现预训练模型的并行训练
ImageNet上表现好的模型迁移到其它数据集上也会更好吗
速度提升2倍,超强悍CPU级骨干网络PP-LCNet出世
OCR开源神器PaddLeoCR再升级:效果提升7%、速度增加220%
经典论文系列 | 缩小Anchor-based和Anchor-free检测之间差距的方法:自适应训练样本选择
经典论文系列 | 胶囊网络:新的深度学习网络
经典论文系列 | 实例分割中的新范式-SOLO
经典论文系列--GhostNet:廉价操作生成更多特征
经典论文系列 | 重新思考在ImageNet上的预训练
经典论文系列 | Group Normalization & BN的缺陷
经典论文系列 | 目标检测--CornerNet & 又名 anchor boxes的缺陷
经典论文系列 | NLN: Non-Local Neural Network
经典论文系列 | BatchNorm
经典论文系列| transformer解读
经典模型系列 | Inception系列之Inception_v1
经典模型系列 | Inception系列之Inception_v2-v3
经典模型系列 | Inception系列之Inception_v4
经典模型系列 | MobileNet系列之MobileNet_v1
@H_489_295@经典模型系列 | MobileNet系列之MobileNet_v2
经典模型系列 | MobileNet系列之MobileNet_v3
经典模型系列 | ShuffleNet系列之ShuffleNet_v1
经典模型系列 | ShuffleNet系列之ShuffleNet_v2
经典模型系列 | DenseNet
2021-视频监控中的多目标跟踪综述
图像修复必读的 10 篇论文
Anchor-free目标检测论文汇总
实例分割综述总结综合整理版
单阶段实例分割综述
视频理解综述:动作识别、时序动作定位、视频Embedding
语义分割综述
基于 U-Net 的医学影像分割算法综述
计算机视觉 10 年发展之观察:1.5万篇论文的大综述!
单目深度估计方法综述
近十年的VI-SLAM算法综述与发展
2021年小目标检测最新研究综述
综述专栏 | 姿态估计综述
深度学习中的人体姿态估计概述
Few-shot Learning 小白入门笔记
少样本目标检测
教程 | 单级式目标检测方法概述:YOLO与SSD
增量学习深度神经网络
欢迎关注公众号 CV技术指南 ,专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读。
在公众号中@R_489_10065@字 “入门指南“可获取计算机视觉入门所有必备资料。
归一化方法总结
神经网络的初始化方法总结 | 又名“如何选择合适的初始化方法”
欠拟合与过拟合技术总结
NMS总结
损失函数技术总结
注意力机制技术总结
特征金字塔技术总结
池化技术总结
数据增强方法总结
论文创新的常见思路总结
CV方向的高效阅读英文文献方法总结
高效阅读英文文献的方法总结(二)
CNN结构演变总结(一)经典模型
CNN结构演变总结(二)轻量化模型
CNN结构演变总结(三)设计原则
CNN可视化技术总结(一)特征图可视化
CNN可视化技术总结(二)卷积核可视化
@H_147_489@CNN可视化技术总结(三)类可视化
CNN可视化技术总结(四)可视化工具与项目
计算机视觉专业术语总结(一)构建计算机视觉的知识体系
计算机视觉中的数据预处理与模型训练技巧总结
计算机视觉中的传统特征提取方法总结
计算机视觉中的图像标注工具总结
神经网络中的泛化总结
计算机视觉入门路线
PyTorch和TensorFlow在模型可用性、部署便捷度和生态系统方面的对比
@H_607_528@Pytorch 数据流中常见Trick总结
工程Tricks | PyTorch有什么节省显存的小技巧?
使用 PyTorch Lightning 将深度学习管道速度提高 10 倍
Pytorch高效训练的十条建议
使用 Ray 将 PyTorch 模型加载速度提高 340 倍
PyTorch 中的 ModuleList 和 Sequential: 区别和使用场景
PNNX: PyTorch 神经网络交换格式
Pytorch Lightning Flash 简介
TorchShard 简介
聊聊Pytorch中的dataloader
GPU多卡并行训练总结(以pytorch为例)
Pytorch代码调试工具--torchsnooper
资源分享 | PyTea:不用运行代码,静态分析pytorch模型的错误
CB Loss:基于有效样本的类别不平衡损失
基于深度学习的图像分割:网络结构设计
计算机视觉中的transformer模型创新思路总结
给模型加入先验知识的常见方法总结
计算机视觉中的自注意力
特征选择的通俗讲解!
@H_828_607@HOG和SIFT图像特征提取简述
全面理解目标检测中的anchor
目标检测中回归损失函数总结
小目标检测常用方法总结
资源分享 | SAHI:超大图片中对小目标检测的切片辅助超推理库
干货 | CV 面试问题详解宝典--目标检测篇
深入了解目标检测深度学习算法的技术细节
目标检测mAP的计算 & COCO的评价指标
YOLOR 与 YOLOX的battle
YOLOv4论文总结和分析
不带Anchors和NMS的目标检测
使用Dice loss实现清晰的边界检测
视觉目标检测和识别之过去,现在及可能
在计算机视觉领域,都是怎么检测烟雾的?
AI 框架部署方案之模型转换
AI框架的演进趋势和MindSpore的构想
@H_435_674@AI 模型部署概述
卷积神经网络压缩方法总结
卷积神经网络的复杂度分析
多标签分类概述
Siamese network总结
如何理解计算机视觉中的图神经网络
深度学习编译之模型即时翻译技术
提高机器学习模型性能的常用策略
Softmax 函数和它的误解
Batch Size对神经网络训练的影响
padding在深度学习模型中重要吗?
神经网络训练不收敛或训练失败的原因总结
神经网络超参数的调参方法总结
深度学习有哪些trick?
为什么GEMM是深度学习的核心
使用深度神经网络为什么8位足够?
可视化的BatchNorm--它的工作方式以及为什么神经网络需要它
在边缘设备上拟合大型神经网络的方法总结
如何使用 TensorFlow 量化神经网络
边缘 AI 平台的比较
OpenCV高性能计算基础介绍
优化OpenCV视频的读取速度
FLOPS与FLOPs区别
为什么FLOPs小的模型反而推理时间较长?
资源分享 | Glint360K: 全球最大人脸数据集, 共36万类别、1800万图像
资源分享 | 一个集图像分割的所有论文、benchmarks、数据集、项目代码等资源的github项目
资源分享 | 使用 FiftyOne 加快您的论文写作速度
论文的科学写作与哲学
CV算法工程师的一年工作经验与感悟
在做算法工程师的道路上,你掌握了什么概念或技术使你感觉自我提升突飞猛进?
欢迎关注公众号 CV技术指南 ,专注于计算机视觉的技术总结、最新技术跟踪、经典论文解读。
在公众号中@R_489_10065@字 “入门指南“可获取计算机视觉入门所有必备资料。
以上是大佬教程为你收集整理的计算机视觉--CV技术指南文章汇总全部内容,希望文章能够帮你解决计算机视觉--CV技术指南文章汇总所遇到的程序开发问题。
如果觉得大佬教程网站内容还不错,欢迎将大佬教程推荐给程序员好友。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。