内容简介:同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流*延伸阅读
加入极市 专业CV交流群,与 6000+来自腾讯,华为,百度,北大,清华,中科院 等名企名校视觉开发者互动交流!更有机会与 李开复老师 等大牛群内互动!
同时提供每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流 。 扫描文末二维码 立刻申请入群~
本文为极市收集整理的的GitHub上一些Awsome系列的资源汇总,包含 人脸/姿态估计/检测/跟踪/分割/超分辨/视频/卫星图像等 ,欢迎收藏阅读~
本文已发布在极市社区: http://bbs.cvmart.net/articles/400(或直接阅读原文)
25、卫星图像深度学习资源大列表
本文档主要列出了卫星图像深度学习(DL)的资源,还讨论了机器学习(ML,例如随机森林,随机梯度下降),以及经典图像处理技术。
http://bbs.cvmart.net/articles/420
24、图神经网络 (GNN) 相关资源大列表
最近,图神经网络 (GNN) 在各个领域越来越受到欢迎,包括计算机视觉、社交网络、知识图谱、推荐系统,甚至生命科学等。GNN 在对图形中节点间的依赖关系进行建模方面能力强大,使得图分析相关的研究领域取得了突破性进展。本文分享一个图神经网络(GNN)相关资源列表,含综述、相关论文、库等。
http://bbs.cvmart.net/articles/418
23、GitHub:车道线检测最全资料集锦
车道线检测解决方案主要分为传统图像处理和深度学习两种。看起来每个领域都可以这么说,但车道线检测与其它研究方向不太一样。因为检测的目标可能是直线也可能是曲线,而且只是"线"而已,目前很多公司还在用传统图像处理方法来解决。这个开源库主要包括:论文、开源代码、博客、数据集等
http://bbs.cvmart.net/articles/158
22、GitHub:人体姿态估计最全资料集锦
这是cbsudux在学习人体姿势估计时,整理的论文、数据集和代码等资源合集。cbsudux表示会不断更新这份资源项目。这个开源库主要包括:基础知识、论文、数据集、Workshops、博客、开源代码等
http://bbs.cvmart.net/articles/210
21、GitHub:TensorFlow 最全资料集锦
本文分享一份TensorFlow最全资料集锦:TensorFlow-From-Zero-To-One。主要包含TensorFlow入门指南、官方&社区、在线教程、视频教程、书籍资源和实战项目。
http://bbs.cvmart.net/articles/259
20、(TensorFlow) GAN 文献 / 代码资源大列表
一个GAN(生成对抗网络)的Tensorflow实现列表:Awesome-GANs with Tensorflow,含论文、代码、模型等。
http://bbs.cvmart.net/articles/415
19、AutoML 与轻量模型大列表
一份高质量(最新的)AutoML工作和轻量级模型的列表,包括神经结构搜索,轻量级结构,模型压缩和加速,超参数优化,自动特征工程的论文、项目、博客等资源。
http://bbs.cvmart.net/articles/414
18、显著性分割 / 检测的数据集汇总
视觉显著性检测是指通过智能算法那模拟人的视觉特点,提取图像中的显著区域(即人类感兴趣的区域),利用显著性检测技术还可与现有分割算法相结合进行分割工作,今天分享一个显著性分割/检测的数据集汇总,其中也对一些代表性工作做了简单分析和概括,非常干货。
http://bbs.cvmart.net/articles/410
17、Zero-Shot Learning 相关资源大列表
近年来,零样本学习(ZSL:zero-shot learning)已经在目标识别任务中得到普及应用。零样本学习目标是识别之前从未见过的新类别中的目标实例。因此,在 ZSL 任务中,在训练集中见过的类别和测试集中没见过的类别是不相交的。本列表含历年顶会论文(含最新CVPR2019论文)、数据集、入门代码等资源。
http://bbs.cvmart.net/articles/409
16、弱监督语义分割 state-or-art 资源列表
一个弱监督语义分割 state-or-art 资源列表,包括相关论文和资源,还有作者的笔记等,供大家参考,如果有什么补充或建议也欢迎发邮件给作者(dxzhang@zju.edu.cn)~
http://bbs.cvmart.net/articles/408
15、视频增强相关资源列表
一个视频增强相关资源列表(含源码),包括视频超分辨率、插值、去噪、压缩伪影消除等~
http://bbs.cvmart.net/articles/406
14、全景分割相关资源大列表
一个全景分割相关资源列表,包含papers、code、 benchmark results等,可以结合: 漫谈全景分割 一起阅读~
http://bbs.cvmart.net/articles/401
13、6D 姿态估计文献 / 代码 / 数据集 / 教程资源大列表
6D 姿态估计对许多重要的现实应用都很关键,例如机器人抓取与操控、自动导航、增强现实等。本文分享一个6D姿态估计相关论文和开源代码资源列表,非常实用~
http://bbs.cvmart.net/articles/397
12、超分辨率相关资源大列表
一个超分辨率相关资源列表,含图像和视频超分辨,内容包括相关论文、数据集、资料库等。
http://bbs.cvmart.net/articles/396
11、聚焦人脸表情识别 (FER) 的顶级会议和期刊文献与资源列表
一个人脸表情识别 (FER) 的资源列表,包含数据集、挑战赛、顶会顶刊论文和相关牛人主页等。
http://bbs.cvmart.net/articles/395
10、HelloFace:人脸资源精选
一个超全的人脸算法资源,是从之前传统方法到现在深度学习方法比较有代表性、实用性、或者最新研究的一份列表,其中也包括了项目、数据集、论文、代码,一些常用的库和 工具 等,强烈推荐!
http://bbs.cvmart.net/articles/360
9、MobileFace:移动端人脸算法全栈项目
一个针对移动端的人脸算法全栈项目,包含的模块会比较全,会陆续更新人脸的全套技术,包括检测、关键点、矫正、姿态、属性、识别、人脸品质等等,对学习人脸很有帮助哦~
http://bbs.cvmart.net/articles/359
8、万字长文资源之 3D-Machine-Learning
近年来,3D-Machine-Learning领域取得了巨大的进步,这是一个融合计算机视觉,计算机图形学和机器学习的跨学科领域。本文分享一个3D-Machine-Learning相关领域的相关课程、数据、各个细分方向的论文等资源汇总列表。
http://bbs.cvmart.net/articles/355
7、领域自适应相关 paper 及 code 资源汇总
领域自适应(Domain Adaptation)是迁移学习中的一种代表性方法,指的是利用信息丰富的源域样本来提升目标域模型的性能。极市曾邀请了中科院王晋东博士进行了: 迁移学习中的领域自适应方法 的线上分享,可以结合视频阅读~
http://bbs.cvmart.net/articles/343
6、人群计数最全资源
近年来,由于拥挤人群引发的踩踏事故频发,人群计数在视频监控、公共安全方面的作用越发突出,本文是作者整理的人群计数资源,包含代码、工具、数据集、论文、leaderboard等。
http://bbs.cvmart.net/articles/323
5、手势估计最全资源
这是一个非常全面的手势估计开源项目,包含arxiv、期刊和近几年顶会相关论文,数据集、相关工作等。
http://bbs.cvmart.net/articles/303
4、视频研究常用方法、数据集和任务汇总
作者建立了一个用于视频研究领域常用库,包括常用方法、数据集和任务等,非常全面,分享给大家~
http://bbs.cvmart.net/articles/270
3、多目标追踪资源列表
多目标跟踪是一项有着多年研究工作但还未真正成熟的计算机视觉任务,需要更多的开源和更多的标准评估指标。以下是作者整理的多目标追踪资源列表,包含数据集、论文、代码和牛人主页等。
http://bbs.cvmart.net/articles/265
2、OCR 文本检测干货汇总
这是一个非常全面的OCR 文本检测干货汇总,包含本文检测相关论文、源码、demo 等资源。
http://bbs.cvmart.net/articles/229
1、语义分割 paper 以及 code 汇总
本文是外国小哥mrgloom汇总的各种语义分割的paper以及code,非常赞。分享一下~
http://bbs.cvmart.net/articles/197
不断更新中,也欢迎大家补充更多优质计算机视觉资源。
*延伸阅读
-
重磅 | 完备的 AI 学习路线,最详细的资源整理!
-
“史上最全PyTorch资源汇总”:教程、实战、必读论文、中文教材一应俱全
-
强推!教你获取视觉前沿技术动态和进展:我是如何收集信息的(含极市资源)
扫描下方二维码 , 即可申请加入极市 目标跟踪、目标检测、工业检测、人脸方向、视觉竞赛等技术交流群, 更有每月大咖直播分享、真实项目需求对接、干货资讯汇总,行业技术交流, 一起来让思想之光照的更远吧~
觉得有用麻烦给个在看啦~
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。