【杂谈】篇篇精华，有三AI不得不看的技术综述(超过100篇核心干货)
文/編輯 | 言有三
有三AI很少寫零散的報導，因為我們的文章通常都是提煉與總結，一般遇到一個新方向，找技術綜述讀一讀是最合適的開始，大家也可以拓展一下自己的知識邊界，今天總結一下有三AI迄今為止發過的技術綜述類文章，也歡迎大家來投稿原創。
CV算法工程師指導手冊
《深度學習視覺算法工程師成長指導手冊》，超過14萬字，420頁word文檔，可下載收藏打印，已經確定會編撰成書，發送關鍵詞“三人行必有AI”到公眾號即可先睹為快。
【通知】有三AI更新420頁14萬字視覺算法工程師成長指導手冊，可下載收藏打印
本手冊以深度學習視覺算法工程師為例，借鑒廣泛采用的評級機制，分為4個大境界，即白身，初識，不惑，有識。每一個境界都由淺入深提供10多篇文章對核心知識點進行梳理，并對技術發展的最新水平進行簡單介紹和展望，目前已經超過30期文章。
自然語言處理算法核心技術
這里共包括12篇文章，從NLP中常用的機器學習算法開始，介紹了NLP中常用的算法和模型。從樸素貝葉斯到XLnet，從RNN到transformerXL。公眾號還有很多的NLP相關內容，覆蓋理論和實戰，歡迎大家閱讀。
【完結】 12篇文章帶你完全進入NLP領域，掌握核心技術
GAN
被譽為新一代深度學習的生成對抗網絡GAN，在近幾年是實實在在的學術界和工業界寵兒，其中最核心基礎的內容便是優化目標。首先我們從基本的對抗損失，到各種訓練技巧進行了總結，這個綜述你值得閱讀，第二季已經開始更新。
【完結】12篇GAN的優化文章大盤點，濃濃的數學味兒
【雜談】如何系統性地學習生成對抗網絡GAN
同時有三在很早的時候對GAN的應用和結構也開始做一些總結，GAN在人臉圖像領域和底層圖像處理領域里已經頗有建樹，我們詳細總結了它的各個應用方向及其中關鍵技術要點，大家可以查看我們的GAN年終總結，以及相關技術綜述。
【雜談】GAN對人臉圖像算法產生了哪些影響？
【雜談】那些底層的圖像處理問題中，GAN能有什么作為？
同時，有三AI秋季劃也提供了長期交流學習GAN的季劃，供需要提升的你進行選擇。
【雜談】有三AI秋季劃增加生成對抗網絡小組，你準備好大GAN一場了嗎
模型設計與優化
相比于學術理論研究，深度學習更是一門工程應用技術，其中最重要的一塊內容就是模型，迄今為止為了讓大家更好地掌握深度學習模型設計和優化，我們做了非常多的工作，剖析深度學習中各類具有代表性的CNN模型，詳細分析了各類模型的特點，設計思想。從圖文，到視頻直播，到知識星球，應有盡有！并且，第一本相關的新書也出了！
言有三新書來襲！業界首次深入全面講解深度學習模型設計
【雜談】為了讓大家學好深度學習模型設計和優化，有三AI都做了什么
【總結】言有三&阿里天池深度學習模型設計直播匯總，附贈超過200頁直播PPT課件
【完結】總結12大CNN主流模型架構設計思想
另外自從Google提出AutoML技術以來，AutoML在網絡結構的搜索上已經取得了非常多的突破，在網絡結構本身的搜索上，AutoML技術對于深度學習模型的優化也有非常多的貢獻。我們開辟了相關專欄進行詳細解讀，在知識星球中持續更新。
【小結】除了網絡搜索(NAS)，AutoML對深度學習模型優化還有哪些貢獻？
同時，有三AI秋季劃也提供了長期交流學習模型優化的季劃，供需要提升的你進行選擇。
有三AI秋季劃出爐，模型優化，人臉算法，圖像質量等24個項目等你來拿
有三AI開源項目
這是有三AI開源的第一個GitHub項目，地址為https://github.com/longpeng2008/yousan.ai，在這里給大家捋清楚當前所有主流深度學習開源框架的快速入門，從熟練掌握不同任務數據的準備和使用，熟練掌握模型的定義，熟練掌握訓練過程和結果的可視化，到熟練掌握訓練方法和測試方法，真正快速掌握框架。
【完結】給新手的12大深度學習開源框架快速入門項目
另外，移動端的框架也已經準備開擼，感興趣的朋友可以投稿。
【移動端DL框架】當前主流的移動端深度學習框架一覽
人臉圖像
人臉圖像屬于最早被研究的一類圖像，也是計算機視覺領域中應用最廣泛的一類圖像，可以說掌握好人臉算法，基本就玩轉了計算機視覺領域。在經歷了幾十年的發展后，現在人臉圖像都有哪些研究和應用領域呢？本文從人臉特征，人臉檢測，人臉關鍵點檢測，人臉識別，人臉屬性分析，人臉分割，人臉美顏，人臉編輯與風格化，三維人臉重建等方向來進行簡單介紹。文末覆蓋若干綜述，系統性文章閱讀。
【雜談】計算機視覺在人臉圖像領域的十幾個大的應用方向，你懂了幾分？
【年終總結】有三AI至今在人臉圖像算法領域都分享了哪些內容？
【技術綜述】人臉算法新熱點，人臉編輯都有哪些方向，如何學習
【技術綜述】基于3DMM的三維人臉重建技術總結
【技術綜述】人臉妝造遷移核心技術總結
【技術綜述】人臉風格化核心技術與數據集總結
【技術綜述】人臉表情識別研究
【技術綜述】人臉臉型分類研究現狀
【技術綜述】人臉顏值研究綜述
【技術綜述】人臉年齡估計研究現狀
另外對人臉的數據集也進行了詳細解讀，將近2萬字的總結，力求搜羅所有方向。
【總結】最全1.5萬字長文解讀7大方向人臉數據集v2.0版，搞計算機視覺怎能不懂人臉
【技術綜述】一文道盡“人臉數據集”
同時，有三AI秋季劃也提供了長期交流學習人臉圖像的季劃，供需要提升的你進行選擇。
有三AI秋季劃出爐，模型優化，人臉算法，圖像質量等24個項目等你來拿
圖像分類
圖像分類這個計算機視覺領域里最基本的問題真的很簡單嗎？恐怕大部分人接觸的只是其中簡單的內容。從基本的分類到多標簽，細粒度，對抗攻擊和不平衡樣本處理，真正認識一下圖像分類或許你需要這個16篇文章的總結，其中還包括了若干篇綜述。
【完結】16篇圖像分類干貨文章總結，從理論到實踐全流程大盤點！
視頻分類
視頻雖是由多幀的圖像組成，但視頻分類任務與圖像分類任務終究不同。此綜述從傳統方法和深度學習方法，數據集等維度對視頻分類方法做了完整總結介紹。
【技術綜述】視頻分類/行為識別研究綜述，從數據集到方法
數據增強
很多實際的項目，我們都難以有充足的數據來完成任務，要保證完美的完成任務，有兩件事情需要做好：(1)尋找更多的數據。(2)充分利用已有的數據進行數據增強，這里就是對當前數據增強方法的綜述，覆蓋有監督無監督，單樣本多樣本方法等，數據增強的重要性你越做就越懂。
【技術綜述】深度學習中的數據增強方法都有哪些？
另外，關于如何掌握深度學習中數據的使用，也給出了一些建議，知識星球中提供了許多重要資源下載鏈接。
【雜談】如何從數據準備，模型設計與調優，訓練到部署完成整個深度學習算法流程
圖像分割
有三做的時間最久的就是圖像分割了，從傳統的閾值法，聚類，圖割，水平集，到深度學習，這里就是我對圖像分割算法的大總結。
【技術綜述】閑聊圖像分割這件事兒
同時我們也介紹了12大主流的圖像分割模型架構，對于做分割的你來說，不可錯過。
【完結】12篇文章帶你逛遍主流分割網絡
接著圖像分割綜述，我們又總結了弱監督圖像分割綜述，歡迎繼續學習。
【技術綜述】基于弱監督深度學習的圖像分割方法綜述
可視化
深度學習模型是個黑盒子，我們可以從網絡結構，權重，訓練曲線等各個維度進行可視化來理解它的學習過程和工作機制。
【技術綜述】“看透”神經網絡
同時，我們還總結了繪制網絡結構以及可視化網絡結構的方法。
【雜談】那些酷炫的深度學習網絡圖怎么畫出來的？
【雜談】一招，同時可視化18個開源框架的網絡模型結構和權重
優化目標與評價指標
深度學習模型需要優化目標才能訓練，需要評價指標才能正確評估，我們總結了常用的優化目標和評估指標。
【AI初識境】深度學習中常用的損失函數有哪些？
【AI初識境】深度學習模型評估，從圖像分類到生成模型
而在其中，softmax loss是我們最熟悉的loss之一了，分類任務中使用它，分割任務中依然使用它。在這里，我們推導它的公式，總結了它的變種，尤其是在人臉識別任務中的應用。
【技術綜述】一文道盡softmax loss及其變種
Faster RCNN源代碼解讀
鑒于網絡上目標檢測的技術綜述太多，我們沒有再繼續寫作，而是解讀了最優秀的目標檢測框架之一Faster R-CNN， 詳細剖析了各個模塊的源代碼。
【技術綜述】萬字長文詳解Faster RCNN源代碼
美學研究
何以為美，從自拍到顏值到通用的美學問題，這是一個永遠都沒有答案，但是又迷人的話題，一切都才剛剛開始。
【技術綜述】計算機審美，學的怎么樣了？
自動構圖
作為一個攝影愛好者，研究構圖是有三的一大樂趣，將AI技術用于構圖，更是有著廣闊的應用前景，如果你也喜歡，不要錯過噢。
【技術綜述】深度學習自動構圖研究報告
同時，有三AI秋季劃也提供了長期交流學習圖像質量和美學相關內容的季劃，供需要提升的你進行選擇。
有三AI秋季劃出爐，模型優化，人臉算法，圖像質量等24個項目等你來拿
國內AI研究院就業總結
在這個專欄中，我們和大家一起分享了國內12大研究院的背景，從最開始介紹的歷史最悠久的微軟亞洲研究院，到最后介紹的低調務實的網易人工智能，帶大家領略了每個研究院的研究方向，團隊情況，欣賞了各大研究院的拳頭產品。
【完結】中國12大AI研究院，高調的低調的你pick誰
優秀的深度學習從業者習慣
一個優秀的深度學習從業者，必然是技能全面，擅長學習的人，在這里我們總結了從看論文到寫代碼，從刷論壇到刷比賽的一系列資源供大家挑選學習，幾乎覆蓋了所有學習資料和方法，而且還在不斷更新。
【完結】優秀的深度學習從業者都有哪些優秀的習慣
知識星球生態
有三AI知識星球是有三AI的重點私密社區，從模型到數據，從機器學習到深度學習，是公眾號內容的補充和升華，可以更自由的交流和學習。僅僅模型架構就已經有超過幾百期的解讀，數據集也已經有上T容量的共享。
【雜談】有三AI知識星球一周年了！為什么公眾號+星球才是完整的？
【雜談】萬萬沒想到，有三還有個保密的‘朋友圈’，那里面都在弄啥！
其實除了以上綜述類的文章，還有一些雖然沒有標注為總結或者綜述但實際上也是綜述的文章，已經被包含在各類文章中，就不一一點破了，喜歡的朋友自己去找找吧，這是一個很大的礦。
另外，還有關于公眾號的一些非技術文章的總結，有助于了解生態，也歡迎閱讀。
生態總結
有三AI原創生態已經很龐大，覆蓋技術文章，產品，人才培養等，接下來是一些重要的總結，包括創辦初衷，一周年總結，2019年年終總結，人才培養體系（請大家點擊圖片本身進行閱讀）。
現如今我們堅持不接廣告，只做原創，系統輸出，已經有超過500期文章了，在這里誠意邀請喜歡分享原創內容的同學加入，成為專欄作者，不僅可以督促自己學習，還可以獲得個人收入以及平臺的資源扶持。
三人行，必有AI，一起發光發熱，變得更好！
轉載文章請后臺聯系
侵權必究
【AutoML】如何選擇最合適的數據增強操作
【AutoML】激活函數如何進行自動學習和配置
【AutoML】歸一化(Normalization)方法如何進行自動學習和配置
【AutoML】優化方法可以進行自動搜索學習嗎？
【AutoML】損失函數也可以進行自動搜索學習嗎？
【AutoML】如何使用強化學習進行模型剪枝？
【AutoML】強化學習如何用于模型量化？
【AutoML】強化學習如何用于模型蒸餾？
【AutoML】強化學習如何用于自動模型設計(NAS)與優化？
【AutoML】當前有哪些可用的AutoML平臺？
【星球知識卡片】殘差網絡家族10多個變種學習卡片，請收下！
【星球知識卡片】移動端高效率的分組網絡都發展到什么程度了？
【星球知識卡片】注意力機制發展如何了，如何學習它在各類任務中的應用？
【星球知識卡片】模型剪枝有哪些關鍵技術，如何對其進行長期深入學習
【星球知識卡片】模型量化的核心技術點有哪些，如何對其進行長期深入學習
【星球知識卡片】模型蒸餾的核心技術點有哪些，如何對其進行長期深入學習
總結
以上是生活随笔為你收集整理的【杂谈】篇篇精华，有三AI不得不看的技术综述(超过100篇核心干货)的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【AI学院】老司机手把手带学言有三的经典
- 下一篇： 【计算摄影】图像美学专栏上线，先从学点摄