ai论文查重文/编辑 | 言有三
最近遇到了很多新手来交流，网上资料甚多，筛选有时候是个大问题，一般遇到一个新方向，找技术综述读一读是最合适的开始，今天总结一下有三AI发过的技术综述，也欢迎大家投稿自己的原创。
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。
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。
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。
【完结】 12篇文章带你完全进入NLP领域，掌握核心技术
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
AI研究院总结
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
12大深度学习开源框架项目
这是有三AI开源的第一个GitHub项目，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
【完结】TensorFlow2.0 快速上手手册
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。
新手如何使用有三AI系统性跟读AI领域的论文
12大主流CNN模型设计思想
在这里，我们给大家回顾了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。
【完结】总结12大CNN主流模型架构设计思想
当然，上面只是抛砖引玉，更多的模型架构在我们的知识星球中每日更新。
如何系统性掌握深度学习模型设计和优化
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
图像和CNN起源
读史使人明智，既然从事深度学习计算机视觉，又岂能不深刻了解计算机视觉的发展简史，CNN和深度学习三巨头的由来呢？
【技术综述】图像与CNN发家简史，集齐深度学习三巨头
人脸数据集
这一篇文章几乎道尽了人脸的数据集，囊括了人脸检测，关键点检测，人脸识别，人脸表情，人脸年龄，人脸姿态几乎所有方向，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”
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】深度学习从“数据集”开始
【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，也给出了一些建议和海量的资源下载链接。
如何系统性掌握深度学习中的数据使用
图像分类综述
图像分类是一个最基本的问题，但是它并不简单，很多新手都容易轻视它，不知道你是否真的了解图像分类的分类以及其中的难点呢。
【技术综述】你真的了解图像分类吗？
多标签图像分类综述
紧接着图像分类综述，我们又写了多标签的图像分类综述，这是一个与生俱来的问题，大部分情况下分类没有唯一的答案，比如下图，风景，倒影，房屋，草地，都是正确的标签。
【技术综述】多标签图像分类综述
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
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。
【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
传统图像降噪算法
图像降噪是一个小众而又不可或缺的课题，在这里我们对主流的传统图像降噪算法做了介绍，至于深度学习的研究现状，马上就会来了。
【技术综述】一文道尽传统图像降噪方法
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
人脸相关算法
在早期的时候，有三带了一些研究小组总结学习了人脸相关的算法并做了非常简单的输出，从颜值到年龄到表情到检测到识别等等，后面的内容，将更新在知识星球，不再免费开放。
其实除了以上综述类的文章，还有一些虽然没有标注总结或者综述但实际上也是综述但文章，就不一一点破了，喜欢的朋友自己去找找吧。
另外，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。
一周年总结
今年五月中旬有三AI一周年了，过去的一年里，有三从算法干到前端，后端，从编辑干到产品，运营，设计，创建了一个不小的生态。在这里，便是说说我们的初衷，生态和愿景。
有三AI一周年了，说说我们的初衷，生态和愿景
转载文章请后台联系
侵权必究
-
【杂谈】为何有三AI只做原创，从不转载
-
【杂谈】怎么使用有三AI完成系统性学习并赚钱
-
【杂谈】为什么有三AI自断财路，从来不接广告
