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