2019年，计算机视觉领域，你推荐哪些综述性的文章？ 第1页
1
sherwood-zheng 网友的相关建议:
推荐一波AutoML + NAS 的综述吧。
NAS的话最重要的当然是frank hutter的那一篇：
当然，要是19年的话其实也有，写的没有google他们写的那么好：
AutoML的话要好好看看书籍了：
至少1-3章理论知识全看完吧，拓宽一下自己的视野。
研究组强烈推荐关注 Quoc Le （野兽派代表），论文动辄 几千张卡，实验丰富。
理论强烈推荐 Frank Hutter 提出茫茫多的算法工具，但是关注度没有Quoc Lee 这么高，但是相关领域 写了很多很好的工具，提出很多很棒的算法。
1
相关话题
为什么nlp没有像cv四小龙一样的创业公司？计算机视觉是否已经发展到可以自动识别车牌并扣费的程度？
为什么说深度学习没有理论基础?
如何评价何恺明、Ross Girshick组的自监督时空表征学习新作？
deepmind发表的neural processes(神经过程)，这个是怎么实现的呢？
有哪些比较好的机器学习，深度学习的网络资源可利用？
如何评价陈天奇的模块化深度学习系统NNVM？
谈谈机器学习在网络安全领域的局限性，以及是否乐观？
深度学习attention机制中的Q,K,V分别是从哪来的？
语义网所谓的“本体”的具体例子是什么？
前一个讨论
在数据分析、挖掘方面，有哪些好书值得推荐？
相关的话题
OpenCV已经将图像处理(识别)的算法写成函数了,那我们还有必要去学习这些算法不?机器学习，深度神经网络等方法是否是正确的方向？
如何理解今年发表在JMLR上随机森林算法SPORF？
机器学习里面的流形都是怎么用的？
为啥gan里面几乎不用pooling？
多任务学习中loss多次backward和loss加和后backward有区别吗？
计算机视觉中video understanding领域有什么研究方向和比较重要的成果？
人工智能在生活中的应用都有哪些？
GAN生成的数据没有标签怎么用来训练分类模型？
如何评价陈天奇团队新开源的TVM？
怎么形象理解embedding这个概念？
想问下专业人士 OpenCv会被深度学习进一步取代吗进一步取代吗？
编程达到什么水平才能编写出像caffe这样的深度学习框架？
现在的人工智能是否走上了数学的极端？
用生成模型做数据增强data augmentation时，如何从合成数据中筛选出质量较好的样本？
实体提取任务中使用BERT-CRF时，CRF根据数据统计可以得到转移概率，为啥还要训练呢？
Domain Adaptation学术上有哪些方向，还有哪些可做的地方？
Kaggle如何入门？
如何证明对任意给定的正数e，存在M上的矩阵范数||A||，满足不等式||A||<=谱半径+e?
在与 AlphaGo（包括 Master） 的对局中是否出现了一些人类历史上从未想到过的着法、技巧？
为什么要压缩模型，而不是直接训练一个小的CNN？
本科数学，目前在读计算机研一，毕业的时候想要应聘数据挖掘工程师，看了对数据挖掘工程师的招聘要求，感觉太宽泛了，希望能具体说一下现在应该准备哪些知识（算法？编程语言？其他？），谢谢！
运维监控的KPI异常检测 业界有哪些实用方法？
深度学习（机器学习）的下一步如何发展？
硕士方向，选择迁移学习还是自然语言处理？
为什么多方安全计算（或者隐私计算/联邦学习）在中国这么火？
如何评价何恺明、Ross Girshick组的自监督时空表征学习新作？
如何看待Hinton的论文《Dynamic Routing Between Capsules》？
为什么我学过微积分、线性代数和概率论，还是看不懂机器学习？
AI 有可能代替人类从事数学研究吗？