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
如何看待在某度搜不到megengine官网？现代人工神经网络是不是一个死胡同？这个技术是不是骗人的？
为什么图形学的会议siggraph的论文代码很少会开源？好像视觉如CVPR、ICCV开源的更多一些。
自己学习深度学习时，有哪些途径寻找数据集？
不觉得最大熵原理很奇怪吗？
如何评价 MSRA 最新的 Deformable Convolutional Networks？
为什么说股票不能通过机器学习来预测？
2019年NeurIPS有哪些糟糕的论文？
Batch Normalization 训练的时候为什么不使用 moving statistics？
怎么形象理解embedding这个概念？
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
低分辨率图像相对于高分辨率图像在CNN中缺失了哪些特征？深度学习在无人驾驶汽车上面的运用有哪些？
算法岗位真的需要顶会才能入场吗？
如何看待 Google 既可以作 Inference，又可以作 Training 的新一代 TPU？
2021年深度学习在哪些应用上有实质进展？
有监督和无监督学习都各有哪些有名的算法和深度学习？
从应用的角度来看，深度学习怎样快速入门？
如何评价 On Unifying Deep Generative Models 这篇 paper?
如何看待指出 神经网络的训练罪魁祸首是退化一文？
ICLR 2022有哪些值得关注的投稿？
如何评价旷视开源的YOLOX，效果超过YOLOv5?
联邦学习在机器学习领域有什么独立存在的价值?
机器学习到底是什么，如何使用这项技术？
机器之心提问：如何评价Facebook Training ImageNet in 1 Hour这篇论文?
Domain Adaptation学术上有哪些方向，还有哪些可做的地方？
面试官如何判断面试者的机器学习水平？
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？
什么是蒙特卡罗 Dropout(Monte-Carlo Dropout)？
NLP 中 prompt learning 有哪些可能的天生缺陷？目前有什么样的方法来解决这样的缺陷？
如何对用户进行聚类分析？
如何看待FAIR提出的8-bit optimizer：效果和32-bit optimizer相当？
在计算资源有限的情况下，有什么深度学习的选题可以推荐/避免？
如何评价通信工程很多导师都研究机器学习人工智能而不是传统的天线电磁场等方向?
类似AlphaGo一样的人工智能什么时候才可以击败RTS（如星际）顶级选手？
有哪些人工智能上的事实，没有一定人工智能知识的人不会相信？
如何用一句话证明自然语言处理很难？
深度学习attention机制中的Q,K,V分别是从哪来的？
参加kaggle竞赛是怎样一种体验？
训练过程中loss震荡特别严重，可能是什么问题？
ICLR 2019 有什么值得关注的亮点？