重磅干貨，第一時間送達(dá)

本文轉(zhuǎn)自：AI算法與圖像處理

目錄：

• 計(jì)算機(jī)視覺四大基本任務(wù)(分類、定位、檢測、分割)

https://zhuanlan.zhihu.com/p/31727402

• 目標(biāo)檢測解讀匯總

https://zhuanlan.zhihu.com/p/36402362

• 圖像語義分割綜述

https://zhuanlan.zhihu.com/p/37801090

• AlexNet：https://blog.csdn.net/chaipp0607/article/details/72847422

  
  

• VGG：https://blog.csdn.net/briblue/article/details/83792394

  
  

• GoogleNet：https://blog.csdn.net/loveliuzz/article/details/79135583
  

  
  

• ResNet：

  
  

  https://blog.csdn.net/lanran2/article/details/79057994

  https://blog.csdn.net/lanran2/article/details/80247515
  

  
  

• Xception：https://blog.csdn.net/u014380165/article/details/75142710

  
  

• DenseNet：https://blog.csdn.net/u014380165/article/details/75142664/

  
  

• shufflenet：https://zhuanlan.zhihu.com/p/48261931

卷積神經(jīng)網(wǎng)絡(luò)中十大拍案叫絕的操作【點(diǎn)擊可以跳轉(zhuǎn)】

• 卷積：https://www.zhihu.com/question/22298352

        https://blog.csdn.net/kklots/article/details/17136059

        https://blog.csdn.net/bea_tree/article/details/68954650

• 空洞卷積：https://www.zhihu.com/question/54149221/answer/323880412

        https://zhuanlan.zhihu.com/p/50369448

• batch normalization、group normalization：

        https://blog.csdn.net/malefactor/article/details/51476961

        https://zhuanlan.zhihu.com/p/43200897

        https://zhuanlan.zhihu.com/p/56219719

• dropout：https://blog.csdn.net/stdcoutzyx/article/details/49022443

• L1、L2：

        https://blog.csdn.net/zouxy09/article/details/24971995

        https://blog.csdn.net/jinping_shi/article/details/52433975

https://www.cnblogs.com/gujianhan/p/6030639.html

https://zhuanlan.zhihu.com/p/40050371

https://www.zhihu.com/question/56024942

https://blog.csdn.net/chaipp0607/article/details/60868689

• 深度神經(jīng)網(wǎng)絡(luò)中的感受野(Receptive Field)：

        https://zhuanlan.zhihu.com/p/28492837

• 損失函數(shù)改進(jìn)方法總覽：

        https://blog.csdn.net/u014380165/article/details/76946358

• 請問faster rcnn和ssd 中為什么用smooth l1 loss，和l2有什么區(qū)別？       https://www.zhihu.com/question/58200555/answer/621174180

• focal loss：https://zhuanlan.zhihu.com/p/32423092

• 交叉熵：https://blog.csdn.net/yimingsilence/article/details/52740638

            https://blog.csdn.net/u014380165/article/details/77284921

• 對比損失（Contrastive Loss）：

        https://blog.csdn.net/autocyz/article/details/53149760

•  三元組損失（Triplet Loss）：

        https://blog.csdn.net/jcjx0315/article/details/77160273

• Momentum：https://zhuanlan.zhihu.com/p/21486826
  

• Nesterov Accelerated Gradient：https://zhuanlan.zhihu.com/p/22810533

• 如何理解神經(jīng)網(wǎng)絡(luò)中通過add的方式融合特征？

https://www.zhihu.com/question/306213462/answer/562776112

• 計(jì)算機(jī)視覺中的注意力機(jī)制：

        https://zhuanlan.zhihu.com/p/32928645

        https://zhuanlan.zhihu.com/p/56501461

• CNN(卷積神經(jīng)網(wǎng)絡(luò))、RNN(循環(huán)神經(jīng)網(wǎng)絡(luò))、DNN(深度神經(jīng)網(wǎng)絡(luò))的內(nèi)部網(wǎng)絡(luò)結(jié)構(gòu)有什么區(qū)別？

        https://www.zhihu.com/question/34681168/answer/84061846

• 邊框回歸(Bounding Box Regression)詳解

https://blog.csdn.net/zijin0802034/article/details/77685438

• NMS：https://blog.csdn.net/shuzfan/article/details/52711706

• Soft NMS：

        Soft NMS算法筆記

        https://blog.csdn.net/u014380165/article/details/79502197

• 深度學(xué)習(xí)中的激活函數(shù)導(dǎo)引：

        https://zhuanlan.zhihu.com/p/22142013

• 如何理解ReLU activation function?

https://www.zhihu.com/question/59031444/answer/177786603

• 請問人工神經(jīng)網(wǎng)絡(luò)中的activation function的作用具體是什么？為什么ReLu要好過于tanh和sigmoid function?

https://www.zhihu.com/question/29021768/answer/43488153

• 目標(biāo)檢測mAP

        https://github.com/rafaelpadilla/Object-Detection-Metrics

• 語義分割(PA、MPA、MIoU、FWIoU)

      https://zhuanlan.zhihu.com/p/61880018    

 https://link.zhihu.com/?target=https%3A//arxiv.org/abs/1704.06857

• 怎么選取訓(xùn)練神經(jīng)網(wǎng)絡(luò)時的Batch size?

https://www.zhihu.com/question/61607442/answer/440401209

• 深度學(xué)習(xí)中的batch的大小對學(xué)習(xí)效果有何影響？

https://www.zhihu.com/question/32673260/answer/71137399

• 如何理解 Graph Convolutional Network（GCN）？

https://www.zhihu.com/question/54504471/answer/332657604