福利 | “计算机视觉研究院”百余篇CV原创公众号曝光（免费下载干货）

欢迎关注“

计算机视觉研究院

”

计算机视觉研究院专栏

作者：Edison_G

扫描二维码 关注我们

微信公众号 : 计算机视觉研究院

回复“Anchor Free”获取论文集下载

知乎专栏：计算机视觉战队

今天给大家推荐一个微信公众号《计算机视觉研究院》，计算机视觉研究院主要涉及机器学习、深度学习等领域，由来自于各校的硕博研究生组成的团队，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。

我们前身是“计算机视觉战队”，现在我们自己创办了“计算机视觉研究院”！

创始人简介

1

毕业于西军电，计算机视觉领域的研究方向。平时是一个安静的科研理科生，在学校有了3年的项目经验，发表过SCI期刊、撰写过数篇发明专利、负责过国际合作项目及国家重点项目，目前在世界500强AI公司就职。

从研究生就开始创办了“计算机视觉研究院”微信公众平台，一直努力坚持分享最新最高质量的文献及最新技术，现在已经有400+篇原创，近3W关注者支持我们的工作。我们经常还分享具体的实践操作，为了让更多的同学理解该技术。我们也会将基础干货时不时分享，为了让更多的初学者有一个好的开始，我们平台的宗旨：一起学习，共同进步！

公众号内容

页面链接：https://mp.weixin.qq.com/mp/homepage?__biz=MzU0NTAyNTQ1OQ==&hid=4&sn=8ede0e9a5a32f8aa33d66590e06f491f

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！

该公众号已经写了300+篇原创文章，有兴趣的可以加入我们一起来学习，探讨问题，提升自己：

公众号的内容非常丰富，主要涉及机器学习深度学习基础、计算机视觉领域知识及相关算法实践操作：

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】 无监督学习中的目标检测 无监督学习中的目标检测

【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】 检测与识别人与目标之间的互动

【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 基础知识 | 目标检测中Anchor的认识及理解

【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

知识星球

我们开创一段时间的“计算机视觉协会”知识星球，也得到很多同学的认可，我们定时会推送实践型内容与大家分享，在星球里的同学可以随时提问，随时提需求，我们都会及时给予回复及给出对应的答复。

我们在别的平台也有相关领域的知识分享，有兴趣的都可以阅读，支持我们的工作，谢谢！

知乎： https://www.zhihu.com/people/Edison-G/activities

开发者头条：搜索“计算机视觉协会”，会有更多精彩与大家分享学习与交流

CSDN：https://blog.csdn.net/gzq0723

通过该平台希望可以认识更相同领域的朋友，讨论最近技术，在群里分享大家的成功经验，解决有困难的问题，让彼此都有一个好的收获与学习的过程！

我们的分享包括如下：

我们开创一段时间的“计算机视觉协会”知识星球，也得到很多同学的认可，我们定时会推送实践型内容与大家分享，在星球里的同学可以随时提问，随时提需求，我们都会及时给予回复及给出对应的答复。

如果想加入我们“ 计算机视觉研究院 ”，请扫二维码加入我们。我们会按照你的需求将你拉入对应的学习群！

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！

扫码关注我们

公众号 : 计算机视觉研究院