計(jì)算機(jī)視覺和深度學(xué)習(xí)文章整理及資源免費(fèi)領(lǐng)取

文末有大量AI資源下載。

給大家分享一些計(jì)算機(jī)視覺和深度學(xué)習(xí)方面的優(yōu)秀文章：

計(jì)算機(jī)視覺

圖像分割2020總結(jié)：結(jié)構(gòu)，損失函數(shù)，數(shù)據(jù)集和框架

使用深度學(xué)習(xí)從視頻中估計(jì)車輛的速度

視頻目標(biāo)跟蹤從0到1，概念與方法

醫(yī)學(xué)圖像分割：UNet++

在物體檢測中搞定小目標(biāo)

使用注意力機(jī)制來做醫(yī)學(xué)圖像分割的解釋和Pytorch實(shí)現(xiàn)

CVPR 2020：物體檢測論文精選

計(jì)算機(jī)視覺中的半監(jiān)督學(xué)習(xí)

EfficientNet模型的完整細(xì)節(jié)

理解卷積神經(jīng)網(wǎng)絡(luò)中的自注意力機(jī)制

深度學(xué)習(xí)

使用PyTorch時(shí)，最常見的4個(gè)錯(cuò)誤

9個(gè)技巧讓你的PyTorch模型訓(xùn)練變得飛快！

Batch Normalization的詛咒

如何將深度學(xué)習(xí)研究論文實(shí)現(xiàn)為代碼的幾個(gè)要點(diǎn)

將PyTorch投入生產(chǎn)的5個(gè)常見錯(cuò)誤

神經(jīng)網(wǎng)絡(luò)中的蒸餾技術(shù)，從Softmax開始說起

RBF-Softmax：讓模型學(xué)到更具表達(dá)能力的類別表示

12中主要的Dropout方法：如何應(yīng)用于DNNs，CNNs，RNNs中的數(shù)學(xué)和可視化解釋

用PyTorch部署模型

使用Python部署機(jī)器學(xué)習(xí)模型的10個(gè)實(shí)踐經(jīng)驗(yàn)

這些文章都來自下面的公眾號(hào)，歡迎關(guān)注：

微信公眾號(hào)

AI公園公眾號(hào)

做一個(gè)生產(chǎn)真正有用的AI內(nèi)容的公眾號(hào)。

個(gè)人微信：加時(shí)請(qǐng)注明AI公園

下載資源包括：圖像分類，物體檢測，人臉檢測，人臉識(shí)別，圖像配準(zhǔn)，圖像分割，顯著性物體檢測，表示學(xué)習(xí)，圖像恢復(fù)，半監(jiān)督學(xué)習(xí)，OCR，ReID等各種AI應(yīng)用場景。

公眾號(hào)【AI公園】后臺(tái)回復(fù)“AI公園資源“即可獲得所有打包好的資源。