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
领域自适应需要用到测试集数据，这样的方法有啥意义呢？语音识别中，声学模型与语言模型扮演什么角色？或者说是怎么通过两个模型进行语音识别的?
如何看待 Richard Sutton 说的「人工智能中利用算力才是王道」？
三维重建怎么入门？
如何看待 NIPS 2018 submission达到近 5000 篇？
在算力充沛，深度学习模型大行其道的今天，传统机器学习的未来在哪里？
word2vec有什么应用？
马上计算机研一，想问一下机器学习、深度学习…大家都是怎么入门的？
你有哪些deep learning（rnn、cnn）调参的经验？
为什么计算机科学专业背景的人喜欢黑机器学习？
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
在中小学阶段设置人工智能相关课程对于培养人工智能人才具有哪些意义？如何推进会比较有效？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？
2021 年了，机器/深度学习还有哪些坑比较好挖？
深度学习领域，你心目中 idea 最惊艳的论文是哪篇？
人工智能退潮期来了吗？
CVPR 2015 有什么值得关注的亮点？
2017年1月18日Facebook发行的PyTorch相比TensorFlow、MXNet有何优势？
如何看待谷歌研究人员提出的卷积正则化方法「DropBlock」？
如何正确理解小概率事件，以及概率和哲学的关系？
2021 年，深度学习方面取得了哪些关键性进展？
如何评价最近火热的对比学习，会引领预训练模型新的范式嘛?
机器学习小白来提问：关于联邦学习FedAVG和FedSGD的问题？
坐标日本，计算机视觉专攻。有英文交流氛围浓厚的研究室推荐吗？
深度学习调参有哪些技巧？
为什么做GPU计算，深度学习用amd显卡的很少，基本都nvidia？
如何评价 DeepMind 在星际中的失利，以及 OpenAI 在 Dota 上的成功？
机器学习中的机器是如何分辨哪些是有用的知识，哪些是没用的信息呢？
什么是博弈机器学习？
2021 年了，TensorFlow 和 PyTorch 两个深度学习框架地位又有什么变化吗？
计算机视觉和自然语言处理，哪个更具有发展前景呢，还是各有千秋呢？
除了深度神经网络已经实现的特性以外，大脑还有哪些特性是值得机器学习领域借鉴的？
如何直观地解释 backpropagation 算法？
如何理解 Swin Transformer 和 Vision Transformer不同任务上的差异？
ICLR 2019 有什么值得关注的亮点？
在Auto ML的冲击下，ML算法人员是否会在前者成熟后失业的情况？
如何评价论文「Stochastic Training is Not Necessary ...」?
DL框架的未来发展，TensorFlow/MXNet/PyTorch, 选哪个？
在Lasso中，oracle property指的是什么性质？
能否使用神经网络来判断奇偶数？
BERT模型可以使用无监督的方法做文本相似度任务吗？