欢迎重视大众号CV技能攻略,专注于核算机视觉的技能总结、最新技能盯梢、经典论文解读、CV招聘信息。
核算机视觉入门1v3辅导班
现在CV方向有不少大众号、常识星球,但总体而言都在走资讯道路,掩盖内容首要以最新论文、综述、职业新闻、作业等方面,这些资讯类往往更加注重“最新”而非内容自身。关于核算机视觉入门的人来说,关于一个做科研的人来说,关于一个做布置走技能道路的人来说,真实把每个内容讲全、讲透的态度尤为重要。为此,咱们历时半年时间,召集了几十位各个方向的大佬,对每个科研方向写了一个大专栏,每个专栏花十几篇文章从最基本的使命、数据集、评价方针开端讲起,一路从最早的经典论文讲到最前沿的论文,最终把整个方向的办法、丢失函数、改进思路进行一个大总结。别的,对每个布置结构写了一个完整的教程,学习者关于教程中的任何疑问,都能够在对应的文章下提问,直接与教程作者沟通。除此以外,最新的资讯、学习答疑、职业新闻、作业、面试经历等都有组织。真实做到一个以内容为主,走技能道路的CV技能攻略。
【星球概览】
CV技能攻略常识星球是一个供给一站式服务的科研平台,致力于供给CV/DL各个方向全面而有深度的专栏内容、前沿论文解读、开源库同享、职业最新动态以及实践教程布置。现在包含专栏近20个,近期会扩充至30+。除此之外,后续会整理更多方向综述、重要论文共享给大家,也会约请更多嘉宾入驻,和大家一同共享职场作业、算法研讨心得体会等等干货内容。
【星球内容模块概览】
**最新论文共享与解读:**检测、切割、域自适应、蒸馏、轻量化、遥感、医学图画、生成模型、质量增强、方针盯梢等等。
**实践布置教程:**TensorRT、OpenVino、CUDA、Pytorch、MMlab系列等
**专栏系列:**2D/3D检测、切割、Diffusion Model、AIGC、Transformer、点云、缺点检测、遥感图画、量化剪枝蒸馏、REID、域自适应、医学图画、方针盯梢、车道线、行为识别、BEV、人脸识别、图神经网络、GAN等等。
**QQ群微信群日常问题收集:**咱们保护了3000+人数的微信以及QQ群,群内各类沟通精华问题汇总。
**资源同享:**公共数据集、各个方向综述、论文、职业最新情报等等资源同享。
星球首要包含内容
一. 科研板块-专栏系列
核算机视觉/深度学习是一个包含研讨方向特别广的学科,不只是是初学者,哪怕是在其间浸淫多年的老司机,也难以保证对所有方向都有所了解,而网络上纷繁复杂的学习内容也让人眼花缭乱、质量良莠不齐,想要入门或者切换一个新的方向时也会经常摸不着头脑不知道从何入手。
从另一个角度来说,CV也是一个需求对各个方向都有所了解的职业,只是了解自己方向的职业是远远不够的,就比方从没有哪个公司招聘YOLO工程师、方针检测工程师、语义切割工程师,而是招算法工程师,算法工程师是绝对不能只会一个方向的,否则等同于一个技能工人的工具包里只有一把锤子,怎么灵活加工出任何一个零件出来?
基于此,咱们致力于经过【专栏】的形式打造一个核算机视觉全家桶,经过10-20篇精选文章从方向使命概述、常用数据集、评价方针开端,到方向中各个大类处理计划下的重要论文解读,从最早的论文一向讲到最新论文,再到最终从不同的角度来总结概括其间的技能要害,如网络结构规划、丢失函数、后处理计划总结等,带大家一篇一篇循序渐进的走进一个全新的研讨方向,帮助你梳理每篇要点论文的优缺点,改进思路,将这个方向的完整画卷逐渐呈现在眼前。
**专栏与一般的综述有什么不同?**如果是从零学一个方向,大家会发现综述基本是看不明白的,因为它写的太简洁了,每个内容都仅用一小段话来介绍。综述唯一能起到的效果便是汇总了这个方向有哪些经典论文,然后你依然需求一个一个去看论文学各种具体的东西。咱们专栏则远不止于此,经过10-20篇的文章足以带你把握整个方向的全貌!
**专栏与零星的最新论文有什么不同?**零星的论文关于从零学一个方向的人来说,有太多前置常识,这些常识分布在之前的很多论文中,没有人对他们进行汇总总结,例如,咱们随意更新一个方向的最新论文,你或许连评价方针都看不明白,也不明白这篇是在什么样的根底上来立异规划的,因而,最新论文这种有头无尾的零星一篇文章的效果实践很小,看完后了解程度或许也就20-30%,而咱们的专栏是先从基本使命、评价方针开端,一步一步深化到最新的论文中,能够十分自然地、由浅及深的学习,同样地看到这样一篇最新论文,能够联系整个方向的体系,了解程度能够远远超出这篇论文自身的价值,达到100-150%。
1.方针检测大专栏
方针检测大专栏包含2D方针检测、遥感方针检测、3D方针检测、相关布置教程、各个方向概括总结等等。
01 通用方针检测
通用方针检测便是咱们最常见的通用场景下的2D方针检测,也是现在运用最广的一个方向,CV中很有研讨范畴的效果都能够转换到通用方针检测中,比方模型轻量化、蒸馏、域自适应、图画质量增强等等,升值从某一方面来说许多方向的研讨都是为了让通用方针检测做的更好而衍生出来的~
02 遥感方针检测专栏
遥感方针检测专栏首要针对遥感图画的特殊性对通用方针检测进行优化,遥感图画,也称为高分辨率遥感图画(Very High-resolution Imagery),但是在遥感图画的范畴内,除了可见光遥感图画之外,还有其他两种遥感图画,一种是高光谱遥感图画(Hyperspectral Imagery),一种是雷达遥感图画(Synthetic Aperture Radar Imagery),其分类根据是根据成像的介质不同来进行分类的。
03 点云方针检测专栏
三维物体检测在学术上和工程上都具有重要意义,能够更好地操控机器人和自动化体系。能够更好地检测和识别物体,从而改进自动驾驶、机器人技能、核算机视觉等范畴的运用。
2. 不良条件下的视觉感知专栏
检测和切割是场景了解的要害部分,在机器人、无人驾驶、安防等范畴有着广泛的运用。现有的大部分办法首要在正常的成像条件下进行,虽然在性能体现上较好,**但是并没有考虑到不良条件(恶劣天气、低光照等)下的场景。现实中的场景是复杂多变的,包含着很多不良的条件给视觉算法带来晦气的影响。**针对不良场景设核算法变得尤为重要。
3. 图神经网络专栏
4. 视觉定位专栏
咱们都知道,哲学范畴存在三大问题,即我是谁,我在哪,我要到哪里去。视觉定位范畴处理的问题便是“我在哪里”的问题。多智能体比方扫地机器人、自动驾驶汽车等方面的研讨通常会涉及定位、感知、规划、操控等方面,视觉定位则属于定位范畴,是其间的一种首要办法。
5. 模型轻量化专栏
01 剪枝
近年来,深度神经网络在许多核算机视觉和自然语言处理使命中取得了很大的成功。但是,这些网络通常具有十分高的核算和存储成本,约束了它们在嵌入式设备和移动设备上的布置。为了处理这个问题,网络剪枝技能被广泛运用于深度神经网络中,以削减其核算和存储需求,成为模型压缩范畴流行的研讨发现之一。
02 量化
6. 强化学习专栏
7. 图画切割专栏
语义切割是核算机视觉中的重要研讨方向,也是现在运用最广泛的核算机视觉使命之一。在这个范畴,咱们供给一系列全面的语义切割教程,该教程掩盖了从根底概念到深度学习算法的完成和运用的全部内容。其间包含常见的语义切割算法,如FCN、U-Net等,还包含语义切割的评价方针、数据集、代码示例等有用常识。
8. 核算机视觉与深度学习各种大总结
9. Transformer专栏
除了以上这些列出来的,方针盯梢、缺点检测、点云模型、AIGC、语义切割等专栏现已开端更新,每周新增专栏数量2-3个。
二. 科研板块-最新论文共享与解读
随时坚持对最前沿文章的共享与解读~
三. 布置板块
布置板块包含了许多工程布置相关内容,包含Pytorch教程、PaddlePaddle教程、CUDA教程、TensorRT教程、OpenMMLab系列、LibTorch教程、OpenVINO系列教程等等~后续将继续添加各个教程。
PaddlePaddle教程
Pytorch教程
CUDA教程
TensorRT系列教程
TensorRT是NVIDIA针对深度学习推理而规划的高性能推理引擎,它能够将深度学习模型转换为高效的推理核算图,完成快速的模型推理。该系列教程包含了TensorRT的各个方面,包含TensorRT的基本常识、装置和装备、模型优化、推理引擎构建、性能调优等内容。此外,该系列教程还供给了很多的示例代码和实践项目,帮助你更好地了解和运用TensorRT。
LibTorch系列教程
LibTorch是PyTorch的C++前端,它供给了一种快速而灵活的方法,用于开发高性能的C++深度学习运用程序。该系列教程包含了LibTorch的各个方面,从装置和装备开端,一步步引导读者学习LibTorch的基本常识,包含张量操作、模型练习、模型保存和加载等内容。
OpenVINO系列教程
四. 职业以及资源板块
星球内还有更多职业资讯、工程实践技巧,优秀开源代码,数据集共享。
还有更多评论,答疑精选~
更多精彩内容等你来探索!
欢迎重视大众号CV技能攻略,专注于核算机视觉的技能总结、最新技能盯梢、经典论文解读、CV招聘信息。
核算机视觉入门1v3辅导班
【技能文档】《从零搭建pytorch模型教程》122页PDF下载
QQ沟通群:444129970。群内有大佬负责回答大家的日常学习、科研、代码问题。
其它文章
高效轻量级语义切割综述
超快语义切割 | PP-LiteSeg集速度快、精度高、易布置等长处于一身,必会模型!!!
数据集+插件,一把子处理遮挡下方针检测难题
AAAI | Panini-Net | 基于GAN先验的退化感知特征插值人脸修
一文带你把握轻量化模型规划准则和练习技巧!
图画增强新思路:DeepLPF
LCCL网络:相互指导博弈来提高方针检测精度(附源代码)
与SENet互补提高,华为诺亚提出自注意力新机制:Weight Excitation
最新FPN | CFPNet即插即用,助力检测涨点,YOLOX/YOLOv5均有用
DeepLSD:基于深度图画梯度的线段检测和细化
CVPR 2023 | 根底模型推动语义切割的弱增量学习
消费级显卡的春天,GTX 3090 YOLOv5s单卡完整练习COCO数据集缩短11.35个小时
BOE告诉你:一层卷积能够做超分!
卫星图画公开数据集资源汇总
DiffusionDet:用于方针检测的分散模型
CV小常识评论与剖析(7) 寻觅论文立异点的新方法
CV小常识剖析与评论(6)论文立异的一点误区
一文看尽深度学习中的各种注意力机制
MMYOLO 想你所想:练习过程可视化
顶刊TPAMI 2023!Food2K:大规模食品图画识别
用于准确方针检测的多网格冗余鸿沟框标示
2023最新半监督语义切割综述 | 技能总结与展望!
本来Transformer便是一种图神经网络,这个概念你清楚吗?
快速完成常识蒸馏算法,运用 MMRazor 就够啦!
常识蒸馏的搬迁学习运用
TensorFlow 真的要被 PyTorch 比下去了吗?
深化剖析MobileAI图画超分最佳计划:ABPN
3D方针检测中点云的稀疏性问题及处理计划
核算机视觉入门1v3辅导班
核算机视觉沟通群
聊聊核算机视觉入门