有三AI很少寫(xiě)零散的報(bào)導(dǎo)，因?yàn)槲覀兊奈恼峦ǔ６际翘釤捙c總結(jié)，一般遇到一個(gè)新方向，找技術(shù)綜述讀一讀是最合適的開(kāi)始，大家也可以拓展一下自己的知識(shí)邊界，今天總結(jié)一下有三AI迄今為止發(fā)過(guò)的技術(shù)綜述類文章，也歡迎大家來(lái)投稿原創(chuàng)。
CV算法工程師指導(dǎo)手冊(cè)
《深度學(xué)習(xí)視覺(jué)算法工程師成長(zhǎng)指導(dǎo)手冊(cè)》，超過(guò)11萬(wàn)字，360頁(yè)word文檔，可下載收藏打印，且還有大約1/3內(nèi)容并未完結(jié)，最終可能超過(guò)20萬(wàn)字，相當(dāng)于一本400頁(yè)左右的書(shū)(已經(jīng)確定會(huì)編撰成書(shū))，發(fā)送關(guān)鍵詞“三人行必有AI”到公眾號(hào)即可先睹為快。
有三AI發(fā)布360頁(yè)11萬(wàn)字深度學(xué)習(xí)CV算法工程師成長(zhǎng)指導(dǎo)手冊(cè)，可下載收藏打印，未完待續(xù)
本手冊(cè)以深度學(xué)習(xí)視覺(jué)算法工程師為例，借鑒廣泛采用的評(píng)級(jí)機(jī)制，分為4個(gè)大境界，即白身，初識(shí)，不惑，有識(shí)。每一個(gè)境界都由淺入深提供10多篇文章對(duì)核心知識(shí)點(diǎn)進(jìn)行梳理，并對(duì)技術(shù)發(fā)展的最新水平進(jìn)行簡(jiǎn)單介紹和展望，目前已經(jīng)超過(guò)30期文章。
自然語(yǔ)言處理算法核心技術(shù)
這里共包括12篇文章，從NLP中常用的機(jī)器學(xué)習(xí)算法開(kāi)始，介紹了NLP中常用的算法和模型。從樸素貝葉斯到XLnet，從RNN到transformerXL。公眾號(hào)已經(jīng)有很多的NLP相關(guān)的內(nèi)容了，覆蓋理論和實(shí)戰(zhàn)，歡迎大家閱讀。
GAN
被譽(yù)為新一代深度學(xué)習(xí)的生成對(duì)抗網(wǎng)絡(luò)GAN，在近幾年是實(shí)實(shí)在在的學(xué)術(shù)界和工業(yè)界寵兒，其中最核心基礎(chǔ)的內(nèi)容便是優(yōu)化目標(biāo)了。首先我們從基本的對(duì)抗損失，到各種訓(xùn)練技巧進(jìn)行了總結(jié)，這個(gè)綜述你值得閱讀，第二季已經(jīng)開(kāi)始更新。
同時(shí)有三在很早的時(shí)候?qū)AN的應(yīng)用和結(jié)構(gòu)也開(kāi)始做一些總結(jié)，GAN在人臉圖像領(lǐng)域和底層圖像處理領(lǐng)域里已經(jīng)頗有建樹(shù)，我們?cè)敿?xì)總結(jié)了它的各個(gè)應(yīng)用方向及其一些關(guān)鍵技術(shù)要點(diǎn)，大家可以查看我們的GAN總結(jié)，以及相關(guān)技術(shù)綜述。
【雜談】如何系統(tǒng)性地學(xué)習(xí)生成對(duì)抗網(wǎng)絡(luò)GAN
AutoML與模型優(yōu)化
自從Google提出AutoML技術(shù)以來(lái)，已經(jīng)過(guò)去了好幾年了，如今在學(xué)術(shù)界和工業(yè)界都是熱點(diǎn)。AutoML在網(wǎng)絡(luò)結(jié)構(gòu)的搜索上已經(jīng)取得了非常多的突破，相關(guān)的文章，技術(shù)博客都已經(jīng)廣為流傳，那么除了在網(wǎng)絡(luò)結(jié)構(gòu)本身的搜索上，AutoML技術(shù)對(duì)于深度學(xué)習(xí)模型的優(yōu)化還有哪些貢獻(xiàn)呢？我們簡(jiǎn)要總結(jié)了這個(gè)問(wèn)題，并貢獻(xiàn)了一些資料。
【小結(jié)】除了網(wǎng)絡(luò)搜索(NAS)，AutoML對(duì)深度學(xué)習(xí)模型優(yōu)化還有哪些貢獻(xiàn)？
模型設(shè)計(jì)與優(yōu)化
相比于學(xué)術(shù)理論研究，深度學(xué)習(xí)更是一門(mén)工程應(yīng)用技術(shù)，其中最重要的一塊內(nèi)容就是模型，迄今為止為了讓大家更好地掌握深度學(xué)習(xí)模型設(shè)計(jì)和優(yōu)化，我們做了非常多的工作，剖析深度學(xué)習(xí)中各類具有代表性的CNN模型，詳細(xì)分析了各類模型的特點(diǎn)，設(shè)計(jì)思想。從圖文，到視頻直播，到知識(shí)星球，應(yīng)有盡有！
【雜談】為了讓大家學(xué)好深度學(xué)習(xí)模型設(shè)計(jì)和優(yōu)化，有三AI都做了什么
【總結(jié)】言有三&阿里天池深度學(xué)習(xí)模型設(shè)計(jì)直播匯總，附贈(zèng)超過(guò)200頁(yè)直播PPT課件
有三AI開(kāi)源項(xiàng)目
人臉圖像研究領(lǐng)域
人臉圖像屬于最早被研究的一類圖像，也是計(jì)算機(jī)視覺(jué)領(lǐng)域中應(yīng)用最廣泛的一類圖像，可以說(shuō)掌握好人臉?biāo)惴ǎ揪屯孓D(zhuǎn)了計(jì)算機(jī)視覺(jué)領(lǐng)域。在經(jīng)歷了幾十年的發(fā)展后，現(xiàn)在人臉圖像都有哪些研究和應(yīng)用領(lǐng)域呢？本文從人臉特征，人臉檢測(cè)，人臉關(guān)鍵點(diǎn)檢測(cè)，人臉識(shí)別，人臉屬性分析，人臉?lè)指睿四樏李仯四樉庉嬇c風(fēng)格化，三維人臉重建等方向來(lái)進(jìn)行簡(jiǎn)單介紹。文末覆蓋若干綜述，系統(tǒng)性文章閱讀。
【雜談】計(jì)算機(jī)視覺(jué)在人臉圖像領(lǐng)域的十幾個(gè)大的應(yīng)用方向，你懂了幾分？
另外對(duì)人臉的數(shù)據(jù)集也進(jìn)行了詳細(xì)解讀，當(dāng)時(shí)文章都險(xiǎn)些超過(guò)公眾號(hào)最大長(zhǎng)度。
圖像分類核心技術(shù)
圖像分類這個(gè)計(jì)算機(jī)視覺(jué)領(lǐng)域里最基本的問(wèn)題真的很簡(jiǎn)單嗎？恐怕大部分人接觸的只是其中簡(jiǎn)單的內(nèi)容。從基本的分類到多標(biāo)簽，細(xì)粒度，對(duì)抗攻擊和不平衡樣本處理，真正認(rèn)識(shí)一下圖像分類或許你需要這個(gè)16篇文章的總結(jié)，其中還包括了若干篇綜述。
視頻分類綜述
視頻雖是由多幀的圖像組成，但視頻分類任務(wù)與圖像分類任務(wù)終究不同。此綜述從傳統(tǒng)方法和深度學(xué)習(xí)方法，數(shù)據(jù)集等維度對(duì)視頻分類方法做了完整總結(jié)介紹。
數(shù)據(jù)增強(qiáng)綜述
很多實(shí)際的項(xiàng)目，我們都難以有充足的數(shù)據(jù)來(lái)完成任務(wù)，要保證完美的完成任務(wù)，有兩件事情需要做好：(1)尋找更多的數(shù)據(jù)。(2)充分利用已有的數(shù)據(jù)進(jìn)行數(shù)據(jù)增強(qiáng)，這里就是對(duì)當(dāng)前數(shù)據(jù)增強(qiáng)方法的綜述，覆蓋有監(jiān)督無(wú)監(jiān)督，單樣本多樣本方法等，數(shù)據(jù)增強(qiáng)的重要性你越做就越懂。
另外，關(guān)于如何掌握深度學(xué)習(xí)中數(shù)據(jù)的使用，也給出了一些建議，知識(shí)星球中提供了許多重要資源下載鏈接。
【雜談】如何從數(shù)據(jù)準(zhǔn)備，模型設(shè)計(jì)與調(diào)優(yōu)，訓(xùn)練到部署完成整個(gè)深度學(xué)習(xí)算法流程
12大主流圖像分割模型
介紹完基本的模型架構(gòu)之后，我們又緊接著介紹了12大主流的圖像分割模型架構(gòu)，對(duì)于做分割的你來(lái)說(shuō)，不可錯(cuò)過(guò)。
閑聊圖像分割
有三做的時(shí)間最久的就是圖像分割了，從傳統(tǒng)的閾值法，聚類，圖割，水平集，到深度學(xué)習(xí)，這里就是我對(duì)圖像分割算法的大總結(jié)。
弱監(jiān)督圖像分割綜述
接著圖像分割綜述，我們又總結(jié)了弱監(jiān)督圖像分割綜述，歡迎繼續(xù)學(xué)習(xí)。
可視化
深度學(xué)習(xí)模型是個(gè)黑盒子，我們可以從網(wǎng)絡(luò)結(jié)構(gòu)，權(quán)重，訓(xùn)練曲線等各個(gè)維度進(jìn)行可視化來(lái)理解它的學(xué)習(xí)過(guò)程和工作機(jī)制。
softmax loss解讀
softmax loss是我們最熟悉的loss之一了，分類任務(wù)中使用它，分割任務(wù)中依然使用它。在這里，我們推導(dǎo)它的公式，總結(jié)了它的變種，尤其是在人臉識(shí)別任務(wù)中的應(yīng)用。
Faster RCNN源代碼解讀
鑒于網(wǎng)絡(luò)上目標(biāo)檢測(cè)的技術(shù)綜述太多，我們沒(méi)有再繼續(xù)寫(xiě)作，而是解讀了最優(yōu)秀的目標(biāo)檢測(cè)框架之一Faster R-CNN， 詳細(xì)剖析了各個(gè)模塊的源代碼。
美學(xué)研究
何以為美，從自拍到顏值到通用的美學(xué)問(wèn)題，這是一個(gè)永遠(yuǎn)都沒(méi)有答案，但是又迷人的話題，一切都才剛剛開(kāi)始。
自動(dòng)構(gòu)圖
作為一個(gè)攝影愛(ài)好者，研究構(gòu)圖是有三的一大樂(lè)趣，將AI技術(shù)用于構(gòu)圖，更是有著廣闊的應(yīng)用前景，如果你也喜歡，不要錯(cuò)過(guò)噢。
國(guó)內(nèi)AI研究院就業(yè)總結(jié)
在這個(gè)專欄中，我們和大家一起分享了國(guó)內(nèi)12大研究院的背景，從最開(kāi)始介紹的歷史最悠久的微軟亞洲研究院，到最后介紹的低調(diào)務(wù)實(shí)的網(wǎng)易人工智能，帶大家領(lǐng)略了每個(gè)研究院的研究方向，團(tuán)隊(duì)情況，欣賞了各大研究院的拳頭產(chǎn)品。
優(yōu)秀的深度學(xué)習(xí)從業(yè)者習(xí)慣
一個(gè)優(yōu)秀的深度學(xué)習(xí)從業(yè)者，必然是技能全面，擅長(zhǎng)學(xué)習(xí)的人，在這里我們總結(jié)了從看論文到寫(xiě)代碼，從刷論壇到刷比賽的一系列資源供大家挑選學(xué)習(xí)，幾乎覆蓋了所有學(xué)習(xí)資料和方法，而且還在不斷更新。
知識(shí)星球生態(tài)
有三AI知識(shí)星球是有三AI的重點(diǎn)私密社區(qū)，從模型到數(shù)據(jù)，從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)，從理論到實(shí)戰(zhàn)，是公眾號(hào)內(nèi)容的補(bǔ)充和升華，可以更自由的交流和學(xué)習(xí)。僅僅模型架構(gòu)就已經(jīng)有超過(guò)幾百期的解讀，數(shù)據(jù)集也已經(jīng)有上T容量的共享。
其實(shí)除了以上綜述類的文章，還有一些雖然沒(méi)有標(biāo)注為總結(jié)或者綜述但實(shí)際上也是綜述的文章，包括圖像降噪，人臉的各個(gè)領(lǐng)域，已經(jīng)被包含在各類文章中，就不一一點(diǎn)破了，喜歡的朋友自己去找找吧，這是一個(gè)很大的礦。
另外，還有關(guān)于公眾號(hào)的一些非技術(shù)文章的總結(jié)，有助于了解生態(tài)，也歡迎閱讀。
生態(tài)總結(jié)
有三AI原創(chuàng)生態(tài)已經(jīng)很龐大，覆蓋技術(shù)文章，產(chǎn)品，人才培養(yǎng)等，接下來(lái)是一些重要的總結(jié)，包括創(chuàng)辦初衷，一周年總結(jié)，2019年年終總結(jié)，人才培養(yǎng)體系。
現(xiàn)如今我們堅(jiān)持不接廣告，只做原創(chuàng)，系統(tǒng)輸出，已經(jīng)有超過(guò)500期文章了，在這里誠(chéng)意邀請(qǐng)喜歡分享原創(chuàng)內(nèi)容的同學(xué)加入，成為專欄作者，不僅可以督促自己學(xué)習(xí)，還可以獲得個(gè)人收入以及平臺(tái)的資源扶持。
三人行，必有AI，一起發(fā)光發(fā)熱，變得更好！
轉(zhuǎn)載文章請(qǐng)后臺(tái)聯(lián)系
侵權(quán)必究
聯(lián)系客服
