【重要】有三AI知识星球不再对外公开！还想加入的有哪些途径？-CSDN博客

本文链接：https://blog.csdn.net/hacker_long/article/details/127711377

随着我们平台逐渐过渡到以视频和实战内容为主，知识星球不再是主要的内容更新平台，近日我们彻底关闭了公开加入的渠道，但是星球依然会维护，原来有的内容依然在，问答也依旧会更新，那么对于还想要加入知识星球的朋友，还有什么方法可以加入有三AI知识星球呢？下面我们来简单说明。

1. 知识星球是什么

知识星球是一个私密社区，前身是小密圈，有iOS和Android两个平台的APP，可以使用微信小程序阅读和网页版进行阅读。

下面分别是用APP，小程序，网页打开我们知识星球的预览。

总体来说，目前知识星球是一个图文为主的私密社区。有三AI知识星球便是依托于知识星球APP，2019年3月创建，目前由言有三全职独立运营。如果说微信公众号是有三AI的第一免费图文生态，那么有三AI知识星球就是我们的第一付费图文生态，两者的共同特点是，只专注于做系统性的原创，从公众号到知识星球，是一个资深有三AI粉的必备进阶之路。

有了微信公众号，为什么我们还要维护知识星球生态？原因主要是两个。

其一：对公众号的图文内容进行补充升级

这是知识星球最重要的功能，我们公众号的内容特点就是：只做原创，并且是系统性的原创，因此很多的内容都需要长期持续进行学习。以知识星球中的网络结构1000变栏目为例，包含了数百期经典模型结构的解读。

其二：提问交流

公众号没有办法进行自由交流以及保存资料，而这是知识星球最重要的功能之一。在星球里可以向有三私信提问，也可以直接自己发状态提问和大家交流，还可以向嘉宾提问。

三：存有一些图文资料

知识星球作为一个社区，还可以补足微信公众号的另外一个短板，存储资料，包括有三分享的也包括星友分享的，里面的资料包括各类课程与直播PPT，电子书，数据代码等，后面我们会专门介绍。

2. 知识星球生态内容汇总

有三AI知识星球包括超过10个内容板块，1000条技术内容，300多次互动。

下图是生态最核心的内容汇总：

基本的使用方法大家可以观看下面的视频，可以直接点击标签进入各个板块，也可以进行搜索。

点击边框调出视频工具条

接下来我们针对每一个重要板块做介绍。

3. 文档资源下载板块

下面首先来看重要的资源板块，主要是汇总了各类文档资源下载相关的内容，有的是公开直播的PPT，有的是课程PPT，有的是言有三的书相关的文档，有的是公众号付费图文等。

3.1 直播板块

有三偶尔会做一些免费的公开直播，所有的PPT都会在知识星球中给大家进行分享，请大家找到#直播板块进行阅读。

3.2 言有三的书板块

截止目前我们生态已经出了四本书，《深度学习之图像识别：核心技术与案例实战》，《深度学习之模型设计：核心算法与案例实践》，《深度学习之人脸图像处理：核心算法与案例实战》，《深度学习之摄影图像处理：核心算法与案例实战》，所有书籍相关的代码、勘误，以及其他辅助文档资料，都会在知识星球中给大家进行分享，请大家找到#言有三的书板块进行阅读。

3.3 手册板块

这里包括我们生态整理出来的原创技术手册，如超过420页的计算机视觉算法工程师成长指导手册，超过13个入门开源框架的指导手册，项目开发流程等，请大家找到#手册板块进行阅读。

3.4 视频课程板块

我们的一些基础视频课已经给大家免费，配套的PPT也同步在了星球中，请大家找到#视频板块进行阅读。

总之，许多重要的文档资料都会在这里留存，并且会进行版本更新。

4. 网络结构1000变板块

我们星球中内容最多、最活跃的一个板块就是网络结构1000变。在这个板块中，会解读各种任务的论文细节，提供文章下载，介绍开源项目，目前分为通用模型设计，模型优化，GAN，通用基础任务，人脸图像，图像增强与风格化，文本图像，医学与点云图像等板块，共计超过300期内容。

下面是该板块的内容形式，包括论文下载和对论文的基本解读，可以快速了解论文的核心思想，下载同主题文章进行阅读学习。

4.1 模型设计板块

这一部分内容更新的就是通用的模型设计思想，与有三出版的《深度学习之模型设计：核心算法与案例实践》书籍契合度非常高，请大家务必配合一起阅读，可以作为书的补充和进阶。其中内容包括：网络的起源，经典的ImageNet网络，残差网络，分组与分支网络，三维卷积，时序网络，注意力机制，形变网络，多输入网络，多尺度网络等内容，目前有超过70期内容。

请大家使用相关标签进行阅读，#CNN起源# #ImageNet经典# #残差网络# #分组卷积# #注意力机制# #三维卷积#等。

4.2 模型优化板块

这一部分更新的就是通用的模型优化思想，包括紧凑模型设计，动态推理，模型的剪枝、量化、蒸馏，软硬件优化，模型自动搜索等内容，目前有超过70期内容。

请大家使用相关标签进行阅读，包括#模型剪枝# #模型量化# #模型蒸馏# #模型压缩# #硬件优化# #动态推理# #AutoML#等。

4.3 基础视觉任务板块

这一部分更新的就是最常见的几个计算机视觉任务，包括图像/视频分类，图像/视频分割，目标检测，目标跟踪，目前有超过30期内容。

请大家使用相关标签进行阅读，包括#图像分类# #视频分类# #图像分割# #目标检测#等。

4.4 GAN基础板块

这一部分更新的就是GAN相关的基础内容，包括图像生成GAN，图像翻译GAN，图像编辑GAN，目前有超过50期内容。

请大家使用相关标签进行阅读，包括#GAN# #图像生成# #风格化#等。

4.5 人脸与人体板块

这一部分更新的就是人脸与人体相关的内容，包括人脸/关键点检测，人脸识别，人脸三维重建，人脸/人体编辑（表情年龄姿态妆造身份）等，请大家提前学习《深度学习之人脸图像处理：核心算法与案例实战》书籍，目前有超过40期内容。

请大家使用人脸标签进行阅读，包括#三维重建# #人脸# #人脸识别# #人脸编辑#等。

4.6 图像增强与风格化板块

这一部分更新的就是图像质量提升与风格化相关的内容，包括图像降噪，图像超分辨，图像修复，图像增强，图像去模糊等领域，请大家提前学习《深度学习之摄影图像处理：核心算法与案例精萃》书籍，目前有超过40期内容。。

请大家使用相关标签进行阅读，包括#图像降噪# #超分辨# #图像修复# #图像增强#等。

4.7 其他板块

除了以上内容，剩下还有一些板块，包括文本检测和识别，医学图像，点云图像等相关内容。

请大家使用相关标签进行阅读，包括#文本检测和识别# #医学图像# #点云图像#等。

5. 数据集板块

数据是AI任务的基础，星球里不仅包括ImageNet、EffectNet等超过100G的大型数据集，不容易下载的数据集，也包括各个方向的有趣的数据集，如人脸人体、动植物、美学与图像质量、自动驾驶等领域，目前有超过50个数据集供下载，以云盘的方式提供下载链接，大家还可以求助小伙伴获得新的数据集，请大家选择#数据集标签进行阅读。

5.1 大型通用数据集

包括图像分类领域最常用数据集ImageNet，美学评估大型数据集AVA，自动驾驶领域大型数据集Cityscape等。

5.2 人脸人体数据集

包括人脸识别，人脸风格化，人脸属性识别（人脸表情、人脸年龄、人脸姿态）等相关的数十个数据集。

5.3 自由分享的数据集

除了统一提供的数据集，还有一些由星球的小伙伴进行自由分享的数据集，大家可以自由交流。

6. 其他板块

除了上述板块，知识星球还包括#每周论文推荐，#AI1000问，#看图猜技术，#GitHub项目，#AI好书等板块。

#每周论文推荐内容与公众号的相关文章基本同步，用于推荐同一主题的书籍。

#AI好书板块用于分享一些优质的电子书。

#GitHub项目用于同步一些好的项目。

#看图猜技术以问答的形式提出一些小作业。

#AI1000问提出了一些容易忽视的小问题。

这些板块就不做详细介绍，大家可以自己去星球点击相应标签感受一下。

7. 如何加入

即日起有三AI-知识星球仅作为学员专用的资源共享平台，不再公开对外发布，主要原因一方面是因为星球已经不再是重点维护社区，内容没有有三AI-小鹅通视频专栏更新频繁，另一方面是为了防止恶意下载和共享。

对于老用户来说，一年时间满后，可以自行选择是否续费，现在续费的年费在100元左右，价格低廉，不续费也可以看加入日期之前的内容。对于新用户来说，如果想要加入知识星球，必须由有三一对一审核，且满足在有三AI-小鹅通购买视频课程超过500元，即可获赠一年的使用权限（凭订单号添加有三微信Longlongtogo即可）。

由于知识星球的部分板块内容不适合初学者，比如网络结构1000变中比较新的模型，因此我们希望需要付费进行学习的朋友，先补足相关的基础知识，下面是一些推荐的内容。

1、深度学习计算机视觉基础合集专栏，有超过1500页PPT，70小时讲解的CV核心内容，掌握分类检测分割GAN与数据使用，有它就够了。

其中图像分类课程当前包含的内容共约12个小时，PPT数量超过300页。

理论部分涵盖了深度学习之图像分类的各个研究方向，如图像分类简介、多类别图像分类、细粒度图像分类，多标签图像分类，弱监督图像分类，零样本图像分类等，既有足够的宽度，也具备有足够的深度。

实践部分一共已经包含了5个实践案例，分别为人脸表情分类基本模型实战，动物细粒度分类实战，生活用品多标签图像分类实战，基于血红细胞的图像分类竞赛技巧，简单图像分类任务数据增强实践，基于Pytorch实战来详解图像分类任务实践。

大纲如下：

其中图像分割课程当前包含的内容共约14个小时，PPT总数约400页。

理论部分涵盖了深度学习之图像分割的各个研究方向，如图像分割基础、语义分割、弱监督语义分割，Image Matting，实例分割等，既有足够的宽度，也具备有足够的深度。

实践部分一共已经包含了4个实践案例，分别为人脸嘴唇分割实战，缺陷分割实战，Image Matting人像抠图实战，Mask RCNN实例分割实战，后续可能还会增加其他方向的实战。

大纲如下：

其中目标检测课程当前包含的内容共约28个小时，PPT总数约400页。

理论部分包括目标检测相关基础，包括流程与评价指标，two-stage算法-Faster RCNN系列详解、one-stage算法-YOLO系列详解，Anchor-free算法系列详解（包括Densebox，CenterNet，CornetNet等）；

实践部分共包含4个案例，分别是YOLOv3实战（工业缺陷检测）、Faster-RCNN实战（猫脸检测），CenterNet（电路板缺陷检测），MMdetection框架使用；

其中图像生成GAN课程当前包含的内容共约6个小时，PPT总数约200页。

理论部分详细解读了基本的卷积GAN，各类条件生成GAN，强大的StyleGAN系列，数据增强与仿真GAN，3D与视频生成GAN，既有足够的宽度，也具备有足够的深度。

实践一共已经包含了2个Pytorch实战案例，分别为DCGAN人脸嘴唇表情生成任务，StyleGAN人脸图像生成任务，后续还会增加3D与视频部分的实践内容。

课程大纲如下：

完整的内容介绍，请大家阅读本文：【CV必备】超过1500页PPT，70小时讲解的CV核心内容，掌握分类检测分割GAN与数据使用，有它就够了

2、有三AI- CV秋季划模型算法组，循序渐进地掌握模型分析，模型设计，模型优化，模型部署等内容。

其中模型分析课程当前包含的内容共约3个小时，PPT总数约120页。

其中模型设计课程当前包含的内容共约20个小时，PPT总数约450页。

理论部分内容包括4节：网络深度与模型性能，网络宽度与模型性能，注意力机制，轻量化网络理论。

(1) 基于网络深度的CNN模型设计，内容包括经典浅层卷积网络的设计模型如neocognitron、经典模型AlexNet，VGGNet，ResNet。

(2) 基于网络宽度的CNN模型设计，内容包括多分支经典模型如GoogLeNet，ResNext等

(3) 经典注意力机制CNN模型设计，内容包括空间注意力模型、通道注意力模型、混合注意力模型。

(3) 轻量级模型设计，内容包括Xception网络、MobileNet V1和V2网络、 ShuffleNet V1和V2网络、SqueezeNet网络。

实践部分内容包括4个：基于ResNet的垃圾分类实战，基于InceptionNet系列的花卉分类实战，基于SeNet的人种分类实战，Pytorch模型安卓端部署。

其中模型优化课程当前包含的内容共约10个小时，PPT总数约360页。

理论部分内容包括深度学习模型压缩的核心领域，模型剪枝、模型量化、知识蒸馏等。

实战部分内容包括4个：Distiller模型压缩框架使用，结构化模型剪枝实践，8bit模型量化实践，模型蒸馏实践。

其中模型部署课程当前包含的内容共约8个小时，包含了6个平台和框架案例，分别为原生Pytorch在Android手机端部署，NCNN的通用部署，Tengine在EAIDK嵌入式平台上的部署，TensorRT在服务器端的模型优化与部署，微信小程序的前后端完整部署，MNN在Android手机端部署，大纲如下，后续还会增加其他硬件平台与部署框架。