滴滴滴，你的暑假余额即将不足！

是时候收收心，准备畅游在深度学习的海洋里吧～

今年得益于GPT，AI算是有点破圈，走在街上也能听到路人对ChatGPT的热议，大家已经开始真的担心未来会被AI给替代。

尽管工业界的反应稍慢些许，但学术界势头正猛，一天一个突破性的工作，层出不穷的新论文，AI学子脑容量直呼不够！

但只顾着追热点可不能够，别忘了基础牢固才是硬道理，独自埋头苦学效率也低了些，互帮互助的学习圈子更能保持学习的激情❤️‍

极市来给大家加点料！

极市每年都会输出许多的CV的干货内容，包括：顶会的论文解读和论文分类整理、大咖技术直播、各类深度学习实践教程、面试面经、开源数据集......

极市将这些高质量的内容都整理汇总成一个干货资源包，内容涵盖了零基础到进阶。

极市平台公众号后台回复“极市干货”即可领取！

获取方式

极市平台公众号后台回复“极市干货”即可领取！

完整目录

### CVPR论文以及经典资源汇总### 初探video transformer系列- 初探Video Transformer（一）：抛弃CNN的纯Transformer视频理解框架—TimeSformer- 初探Video Transformer（二）：谷歌开源更全面、高效的无卷积视频分类模型ViViT### 底层视觉任务系列解读- 视觉底层任务优秀开源工作：BasicSR 库使用方法- 视觉底层任务优秀开源工作：MMEditing 库使用方法- 底层任务超详细解读 (一)：模糊核迭代校正盲超分方法 IKC- 底层任务超详细解读 (二)：盲超分的端到端交替优化方法 DAN- 底层任务超详细解读 (三)：只用纯合成数据来训练真实世界的盲超分模型 Real-ESRGAN- 底层任务超详细解读 （四）：首个超分可解释性工作 LAM，使用局部归因图理解和可视化的超分网络- 底层任务超详细解读 (五)：FAIG：发现盲超分模型中具有特定退化作用的滤波器- 底层任务超详细解读 (六)：无成对训练数据的真实世界场景超分解决方案：CinCGAN- 底层任务超详细解读（七）｜浅浅窥探一下超分网络的黑盒！一探究竟超分模型中的「语义」信息- 底层任务超详细解读（八）｜仅需一行代码，实现真正的无痛涨点！单图像超分领域也需要Dropout一下- 底层任务超详细解读（九）｜盲图像超分辨率的新解法？PDM：学习图像盲超分的退化分布（CVPR 2022）- 底层任务超详细解读（十）｜一种手工设计的广义盲图像超分退化模型：模糊、下采样和噪声等退化作用强势包揽！- 底层任务超详细解读（十一）｜基于 Swin-Conv-UNet 结果和数据分析的盲去噪方法- 底层任务超详细解读（十二）｜MANet：盲图像超分辨率中空间变体核估计的互仿射网络- 底层任务超详细解读（十三）｜结构重参数化方法打造边缘设备部署的实时超分模型- 底层任务超详细解读（十四）｜RepSR：解决超分模型的 BN 不友好问题- 底层任务超详细解读（十五）｜对盲超分问题的深入挖掘：退化模型、基线和性能上限(CVPRW 2022)### 搞懂 Vision Transformer 原理和代码系列- **Section 1：视觉 Transformer 基础**- **Section 2：视觉 Transformer 进阶**- **Section 3：Transformer在识别任务的演进**- **Section 4：Transformer内部机制的探究**- **Section 5：轻量化Transformer (1)**- **Section 6：将卷积融入视觉 Transformer (1)**- **Section 7：轻量化Transformer (2)**- **Section 8：更深的视觉 Transformer**- **Section 9：更快更小的 Transformer**- **Section 10：视觉 Transformer 训练方式的演进**- **Section 11：轻量化 Transformer (3)**- **Section 12：Transformer+图像质量评价**- **Section 13：Transformer 的精炼和底层视觉任务新探索**- **Section 14：将卷积融入视觉 Transformer (2)**- **Section 15：Transformer 在识别任务的改进**- **Section 16：Vision Transformer + NAS**- **Section 17：Swin Transformer：各项任务SOTA模型 (1)**- **Section 18：Attention is not all you need**- **Section 19：MetaTransformer：简单到尴尬的视觉模型**- **Section 20：Swin Transformer：各项任务SOTA模型 (2)**- **Section 21：Transformer 用于底层视觉任务的探索**- **Section 22：Transformer内部机制的探究**- **Section 23：小数据集训练视觉 Transformer 模型**- **Section 24：极深的 Transformer 模型**- **Section 25：面向 TensorRT 的视觉 Transformer**- **Section 26：关于视觉 Transformer 你应该知道的3件事**- **Section 27：视觉 Transformer 的复仇：DeiT III**- **Section 28：TinyViT：小型 ViT 的快速预训练蒸馏**- **Section 29：MiniViT：通过权重复用压缩视觉 Transformer 模型**- **Section 30：无需微调加速大规模视觉 Transformer 密集预测任务的方法**- **Section 31：动态 Token 稀疏化实现高效的视觉 Transformer**- **Section 32：动态 Token 稀疏化实现高效的视觉 Transformer**- **Section 33：220亿参数的巨⼤视觉 Transformer**### 冠军方案- 徘徊检测赛题冠军方案｜PRCV2022计算机视觉算法应用技术挑战赛.pdf- 厨师工作服_工作帽识别冠军方案｜PRCV2022.pdf- 反光衣识别算法冠军方案总结（附源码）｜极市打榜.pdf- 高通人工智能应用创新大赛冠军方案解读.pdf- 户外违规广告牌识别冠军方案｜ECV 2022.webloc- 街道垃圾识别冠军方案解读｜ECV2022.webloc- 裸土识别冠军方案｜PRCV2022.pdf- 神仙打架丨NTIRE2021视频超分挑战双赛道方案.pdf- ACCV2022｜大规模细粒度图像分类冠军方案.pdf- CCBR2022 行为特征识别大赛｜躺坐识别赛道冠军方案.pdf- CVPR 2021 Short-video Face Parsing Challenge 季军方案分享.pdf- CVPR 2023 VAND Workshop Challenge零样本异常检测冠军方案.pdf- ECV 2021 冠军方案解读：船只数量检测方案.pdf- ECV 2021 冠军方案解读：驾驶员不良驾驶识别方案.pdf- ECV 2021 冠军方案解读：渣土车识别方案.pdf- ECV 2021 冠军方案解读：占道经营识别方案.pdf- ECV 2023｜跨摄像头行人跟踪冠军方案解读.pdf- ECV2023｜安全带规范佩戴检测冠军方案分享.pdf- ECV2023｜皮带跑偏识别冠军方案解读.pdf- ECV2023｜睡岗识别冠军方案解读.pdf- ECV2023｜仪表盘读数识别冠军方案解读.pdf- NTIRE 2021 冠军方案：华硕和台湾大学提出深度引导影像重照明方案-MBNet.pdf### 极市打榜- 手把手教你搞定极市打榜新手任务！- 极市打榜｜ev-sdk封装实操教程- 开发效率提升60%，详解在极市平台上进行的全流程线上算法开发- 反光衣识别算法冠军方案总结（附源码）｜极市打榜- 保姆级教程：深度学习线上算法开发「环境配置」指南｜极市- 本想浅试一下，结果冠军和奖金都到手了！记一次成功的算法项目实践- 2 小时上手真实项目线上开发？某 CV 算法开发训练平台新功能又现王炸### 极市直播### 技术综述- 如何入门多视角3D目标识别？超详细最新综述来袭！.pdf- 「深度学习中知识蒸馏」研究综述.pdf- 【盘点】CVPR 二十年，影响力最大的 10 篇论文！.pdf- 大型语言模型综述全新出炉：从T5到GPT-4最全盘点，国内20余位研究者联合撰写.pdf- 对比学习（Contrastive Learning）综述.pdf- 多领域实时目标检测算法最新综述.p多模态学习综述(MultiModal Learning).pdf- 基于深度卷积神经网络的小样本分割算法综述.pdf- 进可暴力提性能，退可无损做压缩：结构重参数化技术综述.pdf- 如何入门多视角人脸正面化生成？不得不看的超详细最新综述！.pdf- 深度对比学习综述.pdf- 深度学习为何不鲁棒？万字长文综述对抗鲁棒性.pdf- 实例分割研究综述总结.pdf- 首篇扩散模型的综述与Github论文分类汇总.pdf- 万字长文带你全面解读视觉大模型.pdf- 万字长文细说工业缺陷检测.pdf- 万字综述：目标检测模型YOLOv1-v7深度解析.pdf- 一文概览 CVPR2021 最新18篇 Oral 论文.pdf- 一文看尽 6篇 CVPR2021 2D 异常检测论文.pdf- 一文看尽 6篇 CVPR2021 伪装目标检测、旋转目标检测论文.pdf- 一文看尽 27 篇 CVPR2021 2D 目标检测论文.pdf- 一文理解RetNet- 语义分割综述：截止2022，语义分割总结与展望.pdf- 真正的即插即用！盘点11种CNN网络设计中精巧通用的“小”插件.pdf- 综述：分割一切模型(SAM)的全面调研.pdf- 综述：目标检测中的多尺度检测方法.pdf- 综述：轻量级CNN架构设计.pdf- 综述：如何给模型加入先验知识.pdf- 综述：图像滤波常用算法实现及原理解析.pdf- 综述：一文详解50多种多模态图像融合方法.pdf- 综述：一文详解50多种多模态图像融合方法.webloc- 综述：PyTorch显存机制分析.pdf- 综述｜解析机器视觉在工业检测中应用瓶颈.pdf- 综述｜联邦持续学习最新研究进展.pdf- 综述｜视觉Transformer在CV中的现状、趋势和未来方向.pdf- 综述｜Transformer速查宝典：模型、架构、训练方法的论文都在这里了.pdf- AI模型部署落地综述（ONNX_NCNN_TensorRT等）.pdf- BEV 学术界和工业界方案、优化方法与tricks综述.pdf- NeRF系列工作综述.pdf- Prompt 学习和微调综述 (Prompt Learning and Tuning).pdf### 论文写作/学习经验/工具汇总- 在做算法工程师的道路上，你掌握了什么概念或技术使你感觉自我提升突飞猛进？- 用LaTex写论文经验分享- 在计算机领域的科研中，最初的创新点从何而来？- 研究生第一篇科研论文常犯问题总结- 一名博士后出站前反思：若能重读博士，我定会注意这20件事！- 如何摆脱对翻译软件的依赖？高效阅读英文文献方法总结- 深度学习中创新点比较小，但是有效果，可以发（水）论文吗_- 美国老姐看完200+中国学生SCI论文，怒写超详细“中国人英文论文写作指南”，还被推上了B站热门…- 论文写作注意细节总结- 论文画图工具：25个常用Matplotlib图的Python代码总结- 计算机顶会论文投稿指南- 发了6篇SCI的师兄告诉我的秘密：科研工具推荐大合集！- 对自己深度学习方向的论文有idea，可是工程实践能力跟不上，实验搞不定怎么办？- 从选题到答辩：优秀博士论文写作最全面的经验分享- 博士生在没有导师指导的情况下，该如何自己选题发 CVPR ？- 北京大学施柏鑫：从审稿人视角，谈谈怎么写一篇CVPR论文- 2022 AAAI 投稿体会- 21张让你代码能力突飞猛进的速查表（神经网络、线性代数、可视化等）### 面试面经- 准算法工程师从30+场秋招中总结出的超强面经—C、Python与算法篇篇（含答案）- 一位算法工程师从30+场秋招面试中总结出的超强面经—语义分割篇（含答案）- 图像处理知多少？准大厂算法工程师30+场秋招后总结的面经问题详解- 我愿称之为史上最全的深度学习面经总结（附答案详解）- 一位算法工程师从30+场秋招面试中总结出的超强面经——目标检测篇（含答案）- 腾讯_字节_华为_旷视 2022届实习面经—计算机视觉方向- 收获17个offer！我的105场秋招面试经验- 算法岗必须人手一篇顶会？超详细面经：无论文、无实习拿下腾讯CV算法岗- 深度学习三十问！一位算法工程师经历30+场CV面试后总结的常见问题合集（含答案）- 深度学习六十问！一位算法工程师经历30+场CV面试后总结的常见问题合集下篇（含答案）- 深度学习补缺补漏篇！准算法工程师总结出的超强面经（含答案）- 普通段位玩家的CV算法岗上岸之路（2023届秋招）- 面试官的角度谈谈算法岗面试的过程（岗位涉及到OCR、目标检测、图像分割、语音识别等领域）- 面经｜经典算法面试题&知识点汇总（附答案）- 面经｜计算机视觉面试复习笔记（二）卷积神经网络- 决战春招！算法工程师面试问题及资料超详细合集（多家公司算法岗面经_代码实战_网课_竞赛等）- 计算机视觉面试复习笔记（三）：深度学习基础面试常见问题总结- 计算机基础与手撕代码篇！准算法工程师总结出的超强面经（含答案）- 【面经系列】万字面试分享贴！从十二个角度解析面试全流程！附互联网公司Offer难度系数分析### 模型压缩经典解读系列- 深入浅出的模型压缩：你一定从未见过如此通俗易懂的 Slimming 操作 - 模型压缩大杀器！详解高效模型设计的自动机器学习流水线 - 万字综述：用于深度神经网络加速的 Shift 操作 - 深入研究模型压缩经典 Ghostnet：如何用少量计算生成大量特征图？ - 模型压缩经典解读：解决训练数据问题，无需数据的神经网络压缩技术 - 模型压缩经典解读：解决训练数据问题，无需数据的神经网络压缩技术...（中） - 模型压缩经典解读：解决训练数据问题，无需数据的神经网络压缩技术（下） - 模型压缩经典解读：隐私保护模型压缩技术 Nasty Teacher，无惧模型“被蒸馏”！ - NeurIPS22 Spotlight｜华为诺亚 GhostNetV2 出炉：长距离注意力机制增强廉价操作 - 模型压缩经典解读：只训练 BN 层加速神经架构搜索 BN-NAS (ICCV 2021) - NeurIPS'22 Spotlight｜华为诺亚GhostNetV2出炉：⻓距离注意⼒机制增强廉价操作- 想要⼀个适配GPU端的轻量级⽹络？安排！华为诺亚带着 G-GhostNet ⾛来- 轻量级的CNN模块！RepGhost：重参数化技术构建硬件⾼效的 Ghost 模块- NeurIPS 2022｜知识蒸馏想要获得更好的性能？那就来⼀个更强的教师模型吧！- 直接复⽤教师分类器还能显著减⼩性能差距？SimKD：⼀个简单⾼效的知识蒸馏技术- 还能将知识蒸馏理解为正则化？Tf-KD：从标签平滑正则化的⻆度重新审视知识蒸馏- 端侧轻量级⼩模型也「EMO 」？结合 Attention 重新思考移动端⼩模型中的基本模块- 1ms 推理延时！MobileOne：移动端⾼效部署Backbone- MobileOne 原班⼈⻢打造！FastViT：快速卷积 Transformer 的混合视觉架构- ⼤核卷积⽹络是⽐ Transformer 更好的教师吗？⽤ConvNets 对 ConvNets 蒸馏出奇效- 低 FLOPs ⽹络也能在⼤规模预训练中尝到甜头！ParameterNet：0.6G即可精度超越SwinT### 深度了解自监督系列- 大概是全网最详细的何恺明团队顶作 MoCo 系列解读！（上） - 大概是全网最详细的何恺明团队顶作 MoCo 系列解读...(完结篇) - 深度了解自监督学习，就看这篇解读 ！Hinton 团队力作：SimCLR 系列 - 深度了解自监督学习，就看这篇解读 ！微软首创：运用在 image 领域的 BERT - 深度了解自监督学习，就看这篇解读 ！何恺明新作 MAE：通向 CV 大模型 - 深度了解自监督学习，就看这篇解读 ！大规模预训练视觉任务的 BERT 模型：iBOT - 深度了解自监督学习，就看这篇解读 ！SimMIM：掩码图像建模的简单框架 - 深度了解自监督，就看这篇解读（六）！微软亚研院提出新的自监督学习范式：PIC - 深度了解自监督学习，就看这篇（七） ！混合卷积-Transformer 模型实现更高效的MAE - 多尺度混合卷积- Transformer模型ConvMAE开源：进⼀步挖掘和提升 MAE 的性能！- CVPR2023｜打破对MIM（掩码图像建模）的数据缩放能⼒的误解！### 实操教程- Pytorch中Spatial-Shift-Operation的5种实现策略- PyTorch 之 Checkpoint 机制解析- PyTorch 深度剖析：如何使用模型并行技术 （Model Parallel）- PyTorch 深度剖析：并行训练的 DP 和 DDP 分别在什么情况下使用及实例- PyTorch 对类别张量进行 one-hot 编码- 用Pytorch轻松实现28个视觉Transformer，开源库 timm 了解一下！（附代码解读）- 用OpenCV实现超轻量的NanoDet目标检测模型！- 视觉神经网络模型优秀开源工作：timm库使用方法和最新代码解读- 实用教程详解：用OpenCV的DNN模块部署YOLOv5目标检测- 实践教程 _ PyTorch中相对位置编码的理解- 实践教程 _ 一文让你把Docker用起来!- 实操教程 _ 使用Docker为无网络环境搭建深度学习环境- 模型部署翻车记：pytorch转onnx踩坑实录- 记一次坎坷的算法需求实现：轻量级人体姿态估计模型的修炼之路（附MoveNet复现经验）- 超快速的端到端实例分割模型，手把手教你用opencv部署Yolact### 开源数据集分类汇总- RGB-T 开源数据集资源汇总- 自动驾驶方向开源数据集资源汇总（二）：驾驶场景分割、车道线检测、BEV语义分割等- 医学图像开源数据集汇总（二）- 自动驾驶方向开源数据集资源汇总- 医学图像开源数据集汇总- 图像去噪开源数据集资源汇总- 行人检测- 图像去雾开源数据集资源汇总- 图像分类相关优质开源数据集汇总（附下载链接）- 图像分割开源数据集资源汇总（天空图像、骨架分割、多品种果花等）- 人体姿态估计相关开源数据集介绍及汇总- 人群计数、行人检测等开源数据集资源汇总- 开源真实场景图像检测数据集汇总- 关键点检测开源数据集汇总- 超全的 3D 视觉数据集汇总- 安全帽、头盔、反光衣、垃圾分类识别等开源数据集汇总- 21个深度学习开源数据集分类汇总- 15个目标检测开源数据集汇总- 10个工业检测数据集### 通用 Vision Backbone 优秀论文及对应代码介绍- Section 1：视觉 MLP ⾸创：MLP-Mixer- Section 2：视觉 MLP 进阶⽅法- Section 3：傅⾥叶变换的类 MLP 架构 (1)- Section 4：匹敌 Transformer 的2020年代的卷积⽹络- Section 5：傅⾥叶变换的类 MLP 架构 (2)- Section 6：图神经⽹络打造的通⽤视觉架构- Section 7：优化器的重参数化技术- Section 8：递归⻔控卷积打造的通⽤视觉架构- Section 9：⽤于通⽤视觉架构的 MetaFormer 基线- Section 10：将卷积核扩展到 51×51- Section 11：Transformer ⻛格的卷积⽹络视觉基线模型- Section 12：⽆注意⼒机制视觉 Transformer 的⾃适应权重混合- Section 13：简单聚类算法实现强悍视觉架构- Section 14：2020年代的卷积⽹络适配⾃监督学习- Section 15：⼀个适应所有 Patch ⼤⼩的 ViT 模型- Section 16：空间 Shift 操作实现通⽤基础视觉 MLP- Section 17：Base Model 训练策略的研究- Section 18：⾸个适⽤下游任务的轴向移位 MLP- Section 19：当移位操作遇到视觉 Transformer- Section 20：⽤于密集预测任务的视觉 Transformer Adapter- Section 21：ViT 的前奏：Scale up 卷积神经⽹络学习通⽤视觉表示- Section 22：FasterNet：追求更快的神经⽹络- Section 23：AFFNet：频域⾃适应频段过滤=空域全局动态⼤卷积核### 论文解读- 各类Transformer都得稍逊一筹，LV-ViT：探索多个用于提升ViT性能的高效Trick- _CVPR2021最佳学生论文提名：Less is More- 51.1AP！单阶段检测器的新纪录，TOOD：即插即用的检测器换头术，显著提升性能- 霸榜COCO和Cityscapes！南理工&CMU提出极化自注意力，更精细的双重注意力建模结构- 别魔改网络了，Google研究员：模型精度不高，是因为你的Resize方法不够好！- 超越Swin Transformer！谷歌提出了收敛更快、鲁棒性更强、性能更强的NesT- 超越Swin，Transformer屠榜三大视觉任务！微软推出新作：Focal Self-Attention- 吊打一切现有版本的YOLO！旷视重磅开源YOLOX：新一代目标检测性能速度担当！- 动态卷积超进化！通道融合替换注意力，减少75%参数量且性能显著提升 ICLR 2021- 动态滤波器卷积新高度！DDF：同时解决内容不可知与计算量两大缺陷｜CVPR2021- 多快好省的目标检测器来了！旷视孙剑团队提出Anchor DETR：基于Anchor Point的DETR- 反向 Dropout！韩松团队最新工作NetAug：提高Tiny神经网络性能的新训练方法- 告别Heatmap！人体姿态估计表征新方法SimDR- 给图像特征提取开个“ViP”是什么效果？字节&牛津提出视觉解析器，全面超越HaloNet！- 更深和更宽的Transformer，哪个更好？NUS团队：我站Wider！- 还在魔改Transformer结构吗？微软&中山大学开源超强的视觉位置编码，涨点显著- 何恺明最新工作：简单实用的自监督学习方案MAE，ImageNet-1K 87.8%！- 华南理工&阿里最新提出ELSA：深挖transformer局部注意力的“致命点”并扭转乾坤！- 简单新颖神操作，截断骨干用于检测！YOLO-ReT开源：边缘GPU设备上的高性能检测器- 将位置信息嵌入通道注意力！NUS提出新机制，显著提升卷积特征表达｜CVPR2021- 解决训练不稳定性，何恺明团队新作来了！自监督学习+Transformer=MoCoV3- 开源｜AAAI‘21杰出论文-三维重建新探索：解决数据依赖问题，让自监督信号更可靠！- 来自Transformer的降维打击：ReID各项任务全面领先，阿里&浙大提出TransReID- 妙啊！不怕遮挡的图像线段匹配 SOLD2，还能联合自监督线段检测｜CVPR2021 Oral- 目标检测的“尽头”竟是语言建模？Hinton团队提出Pix2Seq：性能优于DETR- 目标检测一卷到底之后，终于有人为它挖了个新坑｜CVPR2021 Oral- 内存瓶颈和计算负载问题一举突破？韩松团队提出MUCNetV2：解锁MCU端新纪录！- 你仅需要看一个序列！YOLOS：重新思考Transformer的泛化性能- 轻量高效！清华智能计算实验室开源基于PyTorch的视频 (图片) 去模糊框架SimDeblur- 去除冗余token的DETR效果怎么样？NUS颜水成团队提出端到端的PnP-DETR结构- 去掉softmax后Transformer会更好吗？复旦&华为诺亚提出SOFT：轻松搞定线性近似- 人类高质量视觉模型YOLOP开源：同时处理三大视觉任务，还能各种超越SOTA…- 深入研究模型压缩经典Ghostnet：如何用少量计算生成大量特征图？- 时隔两年，EfficientNet v2来了！更快，更小，更强！- 视觉 Transformer 的可视化｜CVPR2021- 刷新视频超分新记录28.41dB！同时利用过去和未来隐状态的全局视频超分方案OVSR- 突破置换模块计算瓶颈，MSRA开源轻量版HRNet，超越主流轻量化网络！｜CVPR2021- 图像反光能被一键去除了？港科大开源RFC，仅用一个操作，强反光也能完美去除｜CVPR2021- 网络架构之争：三大主流架构对决，谁是王者？深入思考CNN、Transformer与MLP- 为了提升在小数据集上的性能，有学者让神经网络像生物一样“进化”了｜CVPR2021 Oral- 我扔掉FPN来做目标检测，效果竟然这么强！YOLOF开源：你只需要看一层特征｜CVPR2021- 无需检测器提取特征！LeCun团队提出MDETR：实现真正的端到端多模态推理｜ICCV 2021 Oral- 一个RGB-T工作的小小感悟与总结- 移动端超分的磁悬浮，推理仅需10ms！港理工&达摩院开源超轻量超分网络ECB- 用简单Mask分类实现语义分割、实例分割“大一统”！Facebook&UIUC开源MaskFormer- 圆形的CNN卷积核？清华黄高团队&康奈尔提出圆形卷积，进一步提升卷积结构性能！- 在目标检测被“遗忘”领域进行探索后，百度开源最新力作UMOP：即插即用、无痛涨点- 真正实用的退化模型：ETH开源业内首个广义盲图像超分退化模型，性能效果绝佳- 准确率87.5%，微软、中科大提出十字形注意力的CSWin Transformer- 自注意力真的是Transformer的必杀技吗？MSRA否认三连，并反手给你扔来一个sMLPNet- 最新！基于深度学习的盲图像超分技术一览- 最新综述丨视频超分辨率研究方法- AdvProp：两组Batch Normalization助你在CNN对抗训练中高效涨点- CNN与Transformer的强强联合！谷歌最新开源BoTNet，ImageNet达84.7%准确率- CNN终于杀回来了！京东AI开源最强ResNet变体CoTNet：即插即用的视觉识别模块- CVPR 2021｜Neighbor2Neighbor：无需干净图像的自监督图像降噪- DSRL：灵活而简单的框架,提高网络精度的且不引入额外的计算量,CVPR2020- FAIR何恺明团队最新研究：定义ViT检测迁移学习基线- ICCV 2021｜“白嫖”性能的MixMo，一种新的数据增强or模型融合方法- ICCV 21 Oral｜拒绝调参，显著提点！检测分割任务的新损失函数RS Loss开源- ICCV2021｜性能优于何恺明团队MoCo v2，DetCo：为目标检测定制任务的对比学习- ICML2021｜超越SE、CBAM，中山大学开源SAM：无参Attention！- MLP 又又又升级了！港大&商汤开源首个用于检测与分割任务的MLP架构- MLP三大工作超详细解读：why do we need_- MLP再添新砖，Facebook入局！ResMLP_完全建立在MLP上的图像分类架构- Multi-Scale Densenet续作？搞定Transformer降采样，清华联合华为开源动态ViT！- OpenAI新宠CLIP有可视化了，CMU小哥开源新玩法，轻松搞定多类型图文联合检索- PP-YOLOv2开源，你的目标检测器又该升级了！性能超越YOLOv5且推理耗时保持不变- ResNet被全面超越了，是Transformer干的：依图科技开源“可大可小”T2T-ViT，轻量版优于MobileNet- Swin Transformer重磅升级！Swin V2：向更大容量、更高分辨率的更大模型迈进- TPAMI 2021 ：基于 event stream 的步态识别，准确率高达90%！- Transformer 向轻量型迈进！微软与中科院提出两路并行的 Mobile-Former- Transformer一作又出新作！HaloNet：用Self-Attention的方式进行卷积- Transformer在图像复原领域的降维打击！ETH提出SwinIR：各项任务全面领先### Pytorch教程- 实践教程｜源码级理解Pytorch中的Dataset和DataLoader.pdf- 基于 pytorch 实现模型剪枝.pdf- 聊聊Pytorch中的dataloader.pdf- 拿什么拯救我的 4G 显卡： PyTorch 节省显存的策略总结.pdf- 怒肝万字！详解 PyTorch 2.0 Dynamo 字节码，自顶向下，由浅入深.pdf- 实操教程 _ 深度学习pytorch训练代码模板(个人习惯).pdf- 实操教程｜PyTorch实现断点继续训练.pdf- 实操教程｜Pytorch转ONNX详解.pdf- 实践教程 _ Pytorch中模型的保存与迁移.pdf- 实践教程｜十个PyTorch最常用的转换函数.pdf- 实践教程｜PyTorch数据导入机制与标准化代码模板.pdf- 实践教程｜PyTorch训练加速技巧.pdf- 实例：手写 CUDA 算子，让 Pytorch 提速 20 倍.pdf- 实现 PyTorch-ONNX 精度对齐工具.pdf- 损失函数技术总结及Pytorch使用示例.pdf- 我用 PyTorch 复现了 LeNet-5 神经网络（CIFAR10 数据集篇）！.pdf- 详解PyTorch编译并调用自定义CUDA算子的三种方式.pdf- 一文弄懂Pytorch的DataLoader, DataSet, Sampler之间的关系.pdf- 用Pytorch轻松实现28个视觉Transformer，开源库 timm 了解一下！（附代码解读）.pdf- 在C++平台上部署PyTorch模型流程+踩坑实录.pdf- 怎样看pytorch源码最有效？.pdf- 总结深度学习PyTorch神经网络箱使用.pdf- PyTorch _ 优化神经网络训练的17种方法.pdf- PyTorch 并行训练极简 Demo.pdf- PyTorch 单机多卡操作总结：分布式DataParallel，混合精度，Horovod).pdf- PyTorch 对类别张量进行 one-hot 编码.pdf- PyTorch 节省显存的策略总结.pdf- PyTorch 深度剖析：并行训练的 DP 和 DDP 分别在什么情况下使用及实例.pdf- PyTorch 深度剖析：如何使用模型并行技术 （Model Parallel）.pdf- PyTorch 源码解读之 cpp_extension：揭秘 C++_CUDA 算子实现和调用全流程.pdf- PyTorch 之 Checkpoint 机制解析.pdf- Pytorch Debug指南：15条重要建议.pdf- PyTorch常用代码段汇总.pdf- Pytorch翻车记录：单卡改多卡踩坑记！.pdf- PyTorch数据导入机制与标准化代码模板.pdf- PyTorch下的可视化工具（网络结构_训练过程可视化）.pdf- pytorch怎么使用c++调用部署模型？.pdf- PyTorch中相对位置编码的理解.pdf- Pytorch中Spatial-Shift-Operation的5种实现策略.pdf### Valse2022 poster合集