極市平臺每年都會輸出許多CV的干貨內(nèi)容，頂會的論文解讀和論文分類整理、大咖技術(shù)直播、各類深度學(xué)習(xí)實(shí)踐教程、面試面經(jīng)、開源數(shù)據(jù)集分類匯總......內(nèi)容涵蓋了零基礎(chǔ)到進(jìn)階。

極市將這些高質(zhì)量的內(nèi)容都整理匯總成一個干貨資源包，詳見如下：

獲取方式：關(guān)注「極市平臺」公眾號，后臺回復(fù)「1124」即可獲取

內(nèi)容展示：

目錄：

###?5年CVPR論文以及經(jīng)典資源匯總

###?Valse2022?poster合集

###?初探video?transformer系列
-?初探Video Transformer（一）：拋棄CNN的純Transformer視頻理解框架—TimeSformer
-?初探Video Transformer（二）：谷歌開源更全面、高效的無卷積視頻分類模型ViViT

###?底層視覺任務(wù)系列解讀
-?視覺底層任務(wù)優(yōu)秀開源工作：BasicSR 庫使用方法
-?視覺底層任務(wù)優(yōu)秀開源工作：MMEditing 庫使用方法
-?底層任務(wù)超詳細(xì)解讀?(一)：模糊核迭代校正盲超分方法 IKC
-?底層任務(wù)超詳細(xì)解讀?(二)：盲超分的端到端交替優(yōu)化方法 DAN
-?底層任務(wù)超詳細(xì)解讀?(三)：只用純合成數(shù)據(jù)來訓(xùn)練真實(shí)世界的盲超分模型 Real-ESRGAN
-?底層任務(wù)超詳細(xì)解讀?（四）：首個超分可解釋性工作 LAM，使用局部歸因圖理解和可視化的超分網(wǎng)絡(luò)

###?搞懂?Vision?Transformer?原理和代碼系列
-?**Section 1：視覺 Transformer 基礎(chǔ)**
-?**Section 2：視覺 Transformer 進(jìn)階**
-?**Section 3：Transformer在識別任務(wù)的演進(jìn)**
-?**Section 4：Transformer內(nèi)部機(jī)制的探究**
-?**Section 5：輕量化Transformer (1)**
-?**Section 6：將卷積融入視覺 Transformer (1)**
-?**Section 7：輕量化Transformer (2)**
-?**Section 8：更深的視覺 Transformer**
-?**Section 9：更快更小的 Transformer**
-?**Section 10：視覺 Transformer 訓(xùn)練方式的演進(jìn)**
-?**Section 11：輕量化 Transformer (3)**
-?**Section 12：Transformer+圖像質(zhì)量評價**
-?**Section 13：Transformer 的精煉和底層視覺任務(wù)新探索**
-?**Section 14：將卷積融入視覺 Transformer (2)**
-?**Section 15：Transformer 在識別任務(wù)的改進(jìn)**
-?**Section 16：Vision Transformer + NAS**
-?**Section 17：Swin Transformer：各項(xiàng)任務(wù)SOTA模型?(1)**
-?**Section 18：Attention is not all you need**
-?**Section 19：MetaTransformer：簡單到尷尬的視覺模型**
-?**Section 20：Swin Transformer：各項(xiàng)任務(wù)SOTA模型?(2)**
-?**Section 21：Transformer 用于底層視覺任務(wù)的探索**
-?**Section 22：Transformer內(nèi)部機(jī)制的探究**
-?**Section 23：小數(shù)據(jù)集訓(xùn)練視覺 Transformer 模型**
-?**Section 24：極深的 Transformer 模型**
-?**Section 25：面向 TensorRT 的視覺 Transformer**
-?**Section 26：關(guān)于視覺 Transformer 你應(yīng)該知道的3件事**
-?**Section 27：視覺 Transformer 的復(fù)仇：DeiT III**
-?**Section 28：TinyViT：小型 ViT 的快速預(yù)訓(xùn)練蒸餾**
-?**Section 29：MiniViT：通過權(quán)重復(fù)用壓縮視覺 Transformer 模型**
-?**Section 30：無需微調(diào)加速大規(guī)模視覺 Transformer 密集預(yù)測任務(wù)的方法**
-?**Section 31：動態(tài) Token 稀疏化實(shí)現(xiàn)高效的視覺 Transformer**
-?**Section 32：動態(tài) Token 稀疏化實(shí)現(xiàn)高效的視覺 Transformer**

###?模型壓縮經(jīng)典解讀系列
-?深入淺出的模型壓縮：你一定從未見過如此通俗易懂的 Slimming 操作?
-?模型壓縮大殺器！詳解高效模型設(shè)計(jì)的自動機(jī)器學(xué)習(xí)流水線?
-?萬字綜述：用于深度神經(jīng)網(wǎng)絡(luò)加速的 Shift 操作?
-?深入研究模型壓縮經(jīng)典 Ghostnet：如何用少量計(jì)算生成大量特征圖？?
-?模型壓縮經(jīng)典解讀：解決訓(xùn)練數(shù)據(jù)問題，無需數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)壓縮技術(shù)?
-?模型壓縮經(jīng)典解讀：解決訓(xùn)練數(shù)據(jù)問題，無需數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)壓縮技術(shù)...（中）?
-?模型壓縮經(jīng)典解讀：解決訓(xùn)練數(shù)據(jù)問題，無需數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)壓縮技術(shù)（下）?
-?模型壓縮經(jīng)典解讀：隱私保護(hù)模型壓縮技術(shù) Nasty Teacher，無懼模型“被蒸餾”！?
- NeurIPS22 Spotlight｜華為諾亞 GhostNetV2 出爐：長距離注意力機(jī)制增強(qiáng)廉價操作?
-?模型壓縮經(jīng)典解讀：只訓(xùn)練 BN 層加速神經(jīng)架構(gòu)搜索 BN-NAS (ICCV 2021)?

###?深度了解自監(jiān)督系列
-?大概是全網(wǎng)最詳細(xì)的何愷明團(tuán)隊(duì)頂作 MoCo 系列解讀?。ㄉ希?
-?大概是全網(wǎng)最詳細(xì)的何愷明團(tuán)隊(duì)頂作?MoCo?系列解讀...(完結(jié)篇)?
-?深度了解自監(jiān)督學(xué)習(xí)，就看這篇解讀?！Hinton 團(tuán)隊(duì)力作：SimCLR 系列?
-?深度了解自監(jiān)督學(xué)習(xí)，就看這篇解讀?！微軟首創(chuàng)：運(yùn)用在 image 領(lǐng)域的 BERT
-?深度了解自監(jiān)督學(xué)習(xí)，就看這篇解讀?！何愷明新作 MAE：通向 CV 大模型?
-?深度了解自監(jiān)督學(xué)習(xí)，就看這篇解讀?！大規(guī)模預(yù)訓(xùn)練視覺任務(wù)的 BERT 模型：iBOT
-?深度了解自監(jiān)督學(xué)習(xí)，就看這篇解讀?！SimMIM：掩碼圖像建模的簡單框架?
-?深度了解自監(jiān)督，就看這篇解讀（六）！微軟亞研院提出新的自監(jiān)督學(xué)習(xí)范式：PIC
-?深度了解自監(jiān)督學(xué)習(xí)，就看這篇（七）?！混合卷積-Transformer 模型實(shí)現(xiàn)更高效的MAE

###?冠軍方案
- NTIRE 2021 冠軍方案：華碩和臺灣大學(xué)提出深度引導(dǎo)影像重照明方案-MBNet
- ECV 2021 冠軍方案解讀：占道經(jīng)營識別方案
- ECV 2021 冠軍方案解讀：駕駛員不良駕駛識別方案
- ECV 2021 冠軍方案解讀：渣土車識別方案
- ECV 2021 冠軍方案解讀：船只數(shù)量檢測方案
-?CVPR?2021?Short-video?Face?Parsing?Challenge?季軍方案分享
-?街道垃圾識別冠軍方案解讀｜ECV2022
-?神仙打架丨NTIRE2021視頻超分挑戰(zhàn)雙賽道方案
-?戶外違規(guī)廣告牌識別冠軍方案｜ECV?2022
-?高通人工智能應(yīng)用創(chuàng)新大賽冠軍方案解讀
-?反光衣識別算法冠軍方案總結(jié)（附源碼）｜極市打榜
-?短袖短褲識別算法冠軍方案總結(jié)?|?極市打榜

###?極市直播

###?技術(shù)綜述
-?綜述：一文詳解50多種多模態(tài)圖像融合方法
-?真正的即插即用！盤點(diǎn)11種CNN網(wǎng)絡(luò)設(shè)計(jì)中精巧通用的“小”插件
-?一文看盡?6篇?CVPR2021?偽裝目標(biāo)檢測、旋轉(zhuǎn)目標(biāo)檢測論文
-?一文看盡?27?篇?CVPR2021?2D?目標(biāo)檢測論文
-?一文看盡?6篇?CVPR2021?2D?異常檢測論文
-?一文概覽?CVPR2021?最新18篇?Oral?論文
-?萬字長文細(xì)說工業(yè)缺陷檢測
-?如何入門多視角人臉正面化生成？不得不看的超詳細(xì)最新綜述！
-?如何入門多視角3D目標(biāo)識別？超詳細(xì)最新綜述來襲！
-?進(jìn)可暴力提性能，退可無損做壓縮：結(jié)構(gòu)重參數(shù)化技術(shù)綜述
-?【盤點(diǎn)】CVPR 二十年，影響力最大的 10?篇論文！

###?論文寫作/學(xué)習(xí)經(jīng)驗(yàn)/工具匯總
-?在做算法工程師的道路上，你掌握了什么概念或技術(shù)使你感覺自我提升突飛猛進(jìn)？
-?用LaTex寫論文經(jīng)驗(yàn)分享
-?在計(jì)算機(jī)領(lǐng)域的科研中，最初的創(chuàng)新點(diǎn)從何而來？
-?研究生第一篇科研論文常犯問題總結(jié)
-?一名博士后出站前反思：若能重讀博士，我定會注意這20件事！
-?如何擺脫對翻譯軟件的依賴？高效閱讀英文文獻(xiàn)方法總結(jié)
-?深度學(xué)習(xí)中創(chuàng)新點(diǎn)比較小，但是有效果，可以發(fā)（水）論文嗎_
-?美國老姐看完200+中國學(xué)生SCI論文，怒寫超詳細(xì)“中國人英文論文寫作指南”，還被推上了B站熱門…
-?論文寫作注意細(xì)節(jié)總結(jié)
-?論文畫圖工具：25個常用Matplotlib圖的Python代碼總結(jié)
-?計(jì)算機(jī)頂會論文投稿指南
-?發(fā)了6篇SCI的師兄告訴我的秘密：科研工具推薦大合集！
-?對自己深度學(xué)習(xí)方向的論文有idea，可是工程實(shí)踐能力跟不上，實(shí)驗(yàn)搞不定怎么辦？
-?從選題到答辯：優(yōu)秀博士論文寫作最全面的經(jīng)驗(yàn)分享
-?博士生在沒有導(dǎo)師指導(dǎo)的情況下，該如何自己選題發(fā) CVPR ？
-?北京大學(xué)施柏鑫：從審稿人視角，談?wù)勗趺磳懸黄狢VPR論文
-?2022?AAAI?投稿體會
-?21張讓你代碼能力突飛猛進(jìn)的速查表（神經(jīng)網(wǎng)絡(luò)、線性代數(shù)、可視化等）

###?面試面經(jīng)
-?準(zhǔn)算法工程師從30+場秋招中總結(jié)出的超強(qiáng)面經(jīng)—C、Python與算法篇篇（含答案）
-?一位算法工程師從30+場秋招面試中總結(jié)出的超強(qiáng)面經(jīng)—語義分割篇（含答案）
-?圖像處理知多少？準(zhǔn)大廠算法工程師30+場秋招后總結(jié)的面經(jīng)問題詳解
-?我愿稱之為史上最全的深度學(xué)習(xí)面經(jīng)總結(jié)（附答案詳解）
-?一位算法工程師從30+場秋招面試中總結(jié)出的超強(qiáng)面經(jīng)——目標(biāo)檢測篇（含答案）
-?騰訊_字節(jié)_華為_曠視?2022屆實(shí)習(xí)面經(jīng)—計(jì)算機(jī)視覺方向
-?收獲17個offer！我的105場秋招面試經(jīng)驗(yàn)
-?算法崗必須人手一篇頂會？超詳細(xì)面經(jīng)：無論文、無實(shí)習(xí)拿下騰訊CV算法崗
-?深度學(xué)習(xí)三十問！一位算法工程師經(jīng)歷30+場CV面試后總結(jié)的常見問題合集（含答案）
-?深度學(xué)習(xí)六十問！一位算法工程師經(jīng)歷30+場CV面試后總結(jié)的常見問題合集下篇（含答案）
-?深度學(xué)習(xí)補(bǔ)缺補(bǔ)漏篇！準(zhǔn)算法工程師總結(jié)出的超強(qiáng)面經(jīng)（含答案）
-?普通段位玩家的CV算法崗上岸之路（2023屆秋招）
-?面試官的角度談?wù)勊惴◢徝嬖嚨倪^程（崗位涉及到OCR、目標(biāo)檢測、圖像分割、語音識別等領(lǐng)域）
-?面經(jīng)｜經(jīng)典算法面試題&知識點(diǎn)匯總（附答案）
-?面經(jīng)｜計(jì)算機(jī)視覺面試復(fù)習(xí)筆記（二）卷積神經(jīng)網(wǎng)絡(luò)
-?決戰(zhàn)春招！算法工程師面試問題及資料超詳細(xì)合集（多家公司算法崗面經(jīng)_代碼實(shí)戰(zhàn)_網(wǎng)課_競賽等）
-?計(jì)算機(jī)視覺面試復(fù)習(xí)筆記（三）：深度學(xué)習(xí)基礎(chǔ)面試常見問題總結(jié)
-?計(jì)算機(jī)基礎(chǔ)與手撕代碼篇！準(zhǔn)算法工程師總結(jié)出的超強(qiáng)面經(jīng)（含答案）
-?【面經(jīng)系列】萬字面試分享貼！從十二個角度解析面試全流程！附互聯(lián)網(wǎng)公司Offer難度系數(shù)分析

###?實(shí)操教程
-?Pytorch中Spatial-Shift-Operation的5種實(shí)現(xiàn)策略
-?PyTorch?之?Checkpoint?機(jī)制解析
- PyTorch 深度剖析：如何使用模型并行技術(shù)?（Model Parallel）
- PyTorch 深度剖析：并行訓(xùn)練的 DP 和 DDP 分別在什么情況下使用及實(shí)例
-?PyTorch?對類別張量進(jìn)行?one-hot?編碼
-?用Pytorch輕松實(shí)現(xiàn)28個視覺Transformer，開源庫 timm 了解一下！（附代碼解讀）
-?用OpenCV實(shí)現(xiàn)超輕量的NanoDet目標(biāo)檢測模型！
-?視覺神經(jīng)網(wǎng)絡(luò)模型優(yōu)秀開源工作：timm庫使用方法和最新代碼解讀
-?實(shí)用教程詳解：用OpenCV的DNN模塊部署YOLOv5目標(biāo)檢測
-?實(shí)踐教程?_?PyTorch中相對位置編碼的理解
-?實(shí)踐教程?_?一文讓你把Docker用起來!
-?實(shí)操教程?_?使用Docker為無網(wǎng)絡(luò)環(huán)境搭建深度學(xué)習(xí)環(huán)境
-?模型部署翻車記：pytorch轉(zhuǎn)onnx踩坑實(shí)錄
-?記一次坎坷的算法需求實(shí)現(xiàn)：輕量級人體姿態(tài)估計(jì)模型的修煉之路（附MoveNet復(fù)現(xiàn)經(jīng)驗(yàn)）
-?超快速的端到端實(shí)例分割模型，手把手教你用opencv部署Yolact

###?極市打榜
-?手把手教你搞定極市打榜新手任務(wù)！
-?極市打榜｜ev-sdk封裝實(shí)操教程
-?開發(fā)效率提升60%，詳解在極市平臺上進(jìn)行的全流程線上算法開發(fā)
-?反光衣識別算法冠軍方案總結(jié)（附源碼）｜極市打榜
-?保姆級教程：深度學(xué)習(xí)線上算法開發(fā)「環(huán)境配置」指南｜極市
-?本想淺試一下，結(jié)果冠軍和獎金都到手了！記一次成功的算法項(xiàng)目實(shí)踐
- 2 小時上手真實(shí)項(xiàng)目線上開發(fā)？某 CV 算法開發(fā)訓(xùn)練平臺新功能又現(xiàn)王炸

###?開源數(shù)據(jù)集分類匯總
-?RGB-T?開源數(shù)據(jù)集資源匯總
-?自動駕駛方向開源數(shù)據(jù)集資源匯總（二）：駕駛場景分割、車道線檢測、BEV語義分割等
-?醫(yī)學(xué)圖像開源數(shù)據(jù)集匯總（二）
-?自動駕駛方向開源數(shù)據(jù)集資源匯總
-?醫(yī)學(xué)圖像開源數(shù)據(jù)集匯總
-?圖像去噪開源數(shù)據(jù)集資源匯總
-?行人檢測
-?圖像去霧開源數(shù)據(jù)集資源匯總
-?圖像分類相關(guān)優(yōu)質(zhì)開源數(shù)據(jù)集匯總（附下載鏈接）
-?圖像分割開源數(shù)據(jù)集資源匯總（天空圖像、骨架分割、多品種果花等）
-?人體姿態(tài)估計(jì)相關(guān)開源數(shù)據(jù)集介紹及匯總
-?人群計(jì)數(shù)、行人檢測等開源數(shù)據(jù)集資源匯總
-?開源真實(shí)場景圖像檢測數(shù)據(jù)集匯總
-?關(guān)鍵點(diǎn)檢測開源數(shù)據(jù)集匯總
-?超全的?3D?視覺數(shù)據(jù)集匯總
-?安全帽、頭盔、反光衣、垃圾分類識別等開源數(shù)據(jù)集匯總
-?21個深度學(xué)習(xí)開源數(shù)據(jù)集分類匯總
-?15個目標(biāo)檢測開源數(shù)據(jù)集匯總
-?10個工業(yè)檢測數(shù)據(jù)集

###?論文解讀
-?各類Transformer都得稍遜一籌，LV-ViT：探索多個用于提升ViT性能的高效Trick
-?_CVPR2021最佳學(xué)生論文提名：Less is More
- 51.1AP！單階段檢測器的新紀(jì)錄，TOOD：即插即用的檢測器換頭術(shù)，顯著提升性能
-?霸榜COCO和Cityscapes！南理工&CMU提出極化自注意力，更精細(xì)的雙重注意力建模結(jié)構(gòu)
-?別魔改網(wǎng)絡(luò)了，Google研究員：模型精度不高，是因?yàn)槟愕腞esize方法不夠好！
-?超越Swin Transformer！谷歌提出了收斂更快、魯棒性更強(qiáng)、性能更強(qiáng)的NesT
-?超越Swin，Transformer屠榜三大視覺任務(wù)！微軟推出新作：Focal Self-Attention
-?吊打一切現(xiàn)有版本的YOLO！曠視重磅開源YOLOX：新一代目標(biāo)檢測性能速度擔(dān)當(dāng)！
-?動態(tài)卷積超進(jìn)化！通道融合替換注意力，減少75%參數(shù)量且性能顯著提升 ICLR 2021
-?動態(tài)濾波器卷積新高度！DDF：同時解決內(nèi)容不可知與計(jì)算量兩大缺陷｜CVPR2021
-?多快好省的目標(biāo)檢測器來了！曠視孫劍團(tuán)隊(duì)提出Anchor DETR：基于Anchor Point的DETR
-?反向 Dropout！韓松團(tuán)隊(duì)最新工作NetAug：提高Tiny神經(jīng)網(wǎng)絡(luò)性能的新訓(xùn)練方法
-?告別Heatmap！人體姿態(tài)估計(jì)表征新方法SimDR
-?給圖像特征提取開個“ViP”是什么效果？字節(jié)&牛津提出視覺解析器，全面超越HaloNet！
-?更深和更寬的Transformer，哪個更好？NUS團(tuán)隊(duì)：我站W(wǎng)ider！
-?還在魔改Transformer結(jié)構(gòu)嗎？微軟&中山大學(xué)開源超強(qiáng)的視覺位置編碼，漲點(diǎn)顯著
-?何愷明最新工作：簡單實(shí)用的自監(jiān)督學(xué)習(xí)方案MAE，ImageNet-1K 87.8%！
-?華南理工&阿里最新提出ELSA：深挖transformer局部注意力的“致命點(diǎn)”并扭轉(zhuǎn)乾坤！
-?簡單新穎神操作，截?cái)喙歉捎糜跈z測！YOLO-ReT開源：邊緣GPU設(shè)備上的高性能檢測器
-?將位置信息嵌入通道注意力！NUS提出新機(jī)制，顯著提升卷積特征表達(dá)｜CVPR2021
-?解決訓(xùn)練不穩(wěn)定性，何愷明團(tuán)隊(duì)新作來了！自監(jiān)督學(xué)習(xí)+Transformer=MoCoV3
-?開源｜AAAI‘21杰出論文-三維重建新探索：解決數(shù)據(jù)依賴問題，讓自監(jiān)督信號更可靠！
-?來自Transformer的降維打擊：ReID各項(xiàng)任務(wù)全面領(lǐng)先，阿里&浙大提出TransReID
-?妙啊！不怕遮擋的圖像線段匹配 SOLD2，還能聯(lián)合自監(jiān)督線段檢測｜CVPR2021 Oral
-?目標(biāo)檢測的“盡頭”竟是語言建模？Hinton團(tuán)隊(duì)提出Pix2Seq：性能優(yōu)于DETR
-?目標(biāo)檢測一卷到底之后，終于有人為它挖了個新坑｜CVPR2021?Oral
-?內(nèi)存瓶頸和計(jì)算負(fù)載問題一舉突破？韓松團(tuán)隊(duì)提出MUCNetV2：解鎖MCU端新紀(jì)錄！
-?你僅需要看一個序列！YOLOS：重新思考Transformer的泛化性能
-?輕量高效！清華智能計(jì)算實(shí)驗(yàn)室開源基于PyTorch的視頻?(圖片)?去模糊框架SimDeblur
-?去除冗余token的DETR效果怎么樣？NUS顏水成團(tuán)隊(duì)提出端到端的PnP-DETR結(jié)構(gòu)
-?去掉softmax后Transformer會更好嗎？復(fù)旦&華為諾亞提出SOFT：輕松搞定線性近似
-?人類高質(zhì)量視覺模型YOLOP開源：同時處理三大視覺任務(wù)，還能各種超越SOTA…
-?深入研究模型壓縮經(jīng)典Ghostnet：如何用少量計(jì)算生成大量特征圖？
-?時隔兩年，EfficientNet v2來了！更快，更小，更強(qiáng)！
-?視覺?Transformer?的可視化｜CVPR2021
-?刷新視頻超分新記錄28.41dB！同時利用過去和未來隱狀態(tài)的全局視頻超分方案OVSR
-?突破置換模塊計(jì)算瓶頸，MSRA開源輕量版HRNet，超越主流輕量化網(wǎng)絡(luò)?。麮VPR2021
-?圖像反光能被一鍵去除了？港科大開源RFC，僅用一個操作，強(qiáng)反光也能完美去除｜CVPR2021
-?網(wǎng)絡(luò)架構(gòu)之爭：三大主流架構(gòu)對決，誰是王者？深入思考CNN、Transformer與MLP
-?為了提升在小數(shù)據(jù)集上的性能，有學(xué)者讓神經(jīng)網(wǎng)絡(luò)像生物一樣“進(jìn)化”了｜CVPR2021?Oral
-?我扔掉FPN來做目標(biāo)檢測，效果竟然這么強(qiáng)！YOLOF開源：你只需要看一層特征｜CVPR2021
-?無需檢測器提取特征！LeCun團(tuán)隊(duì)提出MDETR：實(shí)現(xiàn)真正的端到端多模態(tài)推理｜ICCV 2021 Oral
-?一個RGB-T工作的小小感悟與總結(jié)
-?移動端超分的磁懸浮，推理僅需10ms！港理工&達(dá)摩院開源超輕量超分網(wǎng)絡(luò)ECB
-?用簡單Mask分類實(shí)現(xiàn)語義分割、實(shí)例分割“大一統(tǒng)”！Facebook&UIUC開源MaskFormer
-?圓形的CNN卷積核？清華黃高團(tuán)隊(duì)&康奈爾提出圓形卷積，進(jìn)一步提升卷積結(jié)構(gòu)性能！
-?在目標(biāo)檢測被“遺忘”領(lǐng)域進(jìn)行探索后，百度開源最新力作UMOP：即插即用、無痛漲點(diǎn)
-?真正實(shí)用的退化模型：ETH開源業(yè)內(nèi)首個廣義盲圖像超分退化模型，性能效果絕佳
-?準(zhǔn)確率87.5%，微軟、中科大提出十字形注意力的CSWin?Transformer
-?自注意力真的是Transformer的必殺技嗎？MSRA否認(rèn)三連，并反手給你扔來一個sMLPNet
-?最新！基于深度學(xué)習(xí)的盲圖像超分技術(shù)一覽
-?最新綜述丨視頻超分辨率研究方法
- AdvProp：兩組Batch Normalization助你在CNN對抗訓(xùn)練中高效漲點(diǎn)
- CNN與Transformer的強(qiáng)強(qiáng)聯(lián)合！谷歌最新開源BoTNet，ImageNet達(dá)84.7%準(zhǔn)確率
- CNN終于殺回來了！京東AI開源最強(qiáng)ResNet變體CoTNet：即插即用的視覺識別模塊
- CVPR 2021｜Neighbor2Neighbor：無需干凈圖像的自監(jiān)督圖像降噪
- DSRL：靈活而簡單的框架,提高網(wǎng)絡(luò)精度的且不引入額外的計(jì)算量,CVPR2020
- FAIR何愷明團(tuán)隊(duì)最新研究：定義ViT檢測遷移學(xué)習(xí)基線
-?ICCV?2021｜“白嫖”性能的MixMo，一種新的數(shù)據(jù)增強(qiáng)or模型融合方法
- ICCV 21 Oral｜拒絕調(diào)參，顯著提點(diǎn)！檢測分割任務(wù)的新?lián)p失函數(shù)RS Loss開源
- ICCV2021｜性能優(yōu)于何愷明團(tuán)隊(duì)MoCo v2，DetCo：為目標(biāo)檢測定制任務(wù)的對比學(xué)習(xí)
- ICML2021｜超越SE、CBAM，中山大學(xué)開源SAM：無參Attention！
- MLP 又又又升級了！港大&商湯開源首個用于檢測與分割任務(wù)的MLP架構(gòu)
- MLP三大工作超詳細(xì)解讀：why do?we?need_
- MLP再添新磚，F(xiàn)acebook入局！ResMLP_完全建立在MLP上的圖像分類架構(gòu)
- Multi-Scale Densenet續(xù)作？搞定Transformer降采樣，清華聯(lián)合華為開源動態(tài)ViT！
-?OpenAI新寵C(jī)LIP有可視化了，CMU小哥開源新玩法，輕松搞定多類型圖文聯(lián)合檢索
- PP-YOLOv2開源，你的目標(biāo)檢測器又該升級了！性能超越Y(jié)OLOv5且推理耗時保持不變
- ResNet被全面超越了，是Transformer干的：依圖科技開源“可大可小”T2T-ViT，輕量版優(yōu)于MobileNet
- Swin Transformer重磅升級！Swin V2：向更大容量、更高分辨率的更大模型邁進(jìn)
- TPAMI 2021 ：基于 event stream 的步態(tài)識別，準(zhǔn)確率高達(dá)90%！
- Transformer 向輕量型邁進(jìn)！微軟與中科院提出兩路并行的 Mobile-Former
- Transformer一作又出新作！HaloNet：用Self-Attention的方式進(jìn)行卷積
- Transformer在圖像復(fù)原領(lǐng)域的降維打擊！ETH提出SwinIR：各項(xiàng)任務(wù)全面領(lǐng)先


獲取方式：

關(guān)注「極市平臺」公眾號，后臺回復(fù)「1124」即可獲取