推荐 | 出身于中科院与360AI研究院的大佬编著，超500篇AI纯原创系统性学习文章...

微信公众号

今天给大家推荐一个微信公众号《有三AI》，堪称AI方向，尤其是计算机视觉方向的干货集中营，内容非常的丰富，已经原创发表500多篇系统性的原创高质量AI领域文章，100多万字，共将近30个技术专栏（覆盖AI工程师成长之路，深度学习模型架构与训练，技术综述，数据理解和使用，NLP，强化学习，AutoML，GAN，服务端和移动端开源框架，AI产品，AI大咖等）。同时，还有小程序平台，开源GitHub项目，AI教材，文化产品等。

公众号主言有三

言有三，本科毕业于华中科技大学，硕士毕业于中国科学院，先后就职于奇虎360人工智能研究院，陌陌深度学习实验室，在计算机视觉领域已经有6年多从业和学习经历，熟悉传统图像算法和深度学习算法，图书《深度学习之图像识别实战：核心技术与案例》作者。

公众号特点

公众号有三AI的主旨就是：三人行必有AI。公众号有三AI的原则就是：只做原创，不发广告，不追热点。可以阅读作者的自述如下：

【杂谈】为什么有三AI自断财路，从来不接广告

【杂谈】为何有三AI只做原创，从不转载

【杂谈】为什么我们从来不追热点，循序渐进学习它不好吗？

公众号主要关注深度学习基础技术，计算机视觉应用，自然语言处理应用等方向。关于该公众号的创办初衷，生态完整介绍，大家可以参考号主自述，一周年介绍和2019年的年终总结，点击下方图片跳转。

公众号技术内容

公众号的内容非常丰富，共将近30个技术专栏，概览如下：

具有代表性的系列包括：

1 AI修行之路。经过多年经验以及参考若干资料独创一条初学者的学习路线，以计算机视觉领域为例，粗分为：白身，初识，不惑，有识，不可知5个境界，讲述从编程，图像基础到深度学习理论和实践，一步一步晋升。目前已经更新到了不惑境界，近期的总结如下：

【完结】深度学习CV算法工程师从入门到初级面试有多远，大概是25篇文章的距离

【AI不惑境】数据压榨有多狠，人工智能就有多成功

【AI不惑境】网络深度对深度学习模型性能有什么影响？

【AI不惑境】网络的宽度如何影响深度学习模型的性能？

【AI不惑境】学习率和batchsize如何影响模型的性能？

【AI不惑境】残差网络的前世今生与原理

【AI不惑境】移动端高效网络，卷积拆分和分组的精髓

【AI不惑境】深度学习中的多尺度模型设计

【AI不惑境】计算机视觉中注意力机制原理及其模型发展和应用

2 技术综述。对计算机视觉或者深度学习的一些研究方向进行深入全面的解读，几个代表性文章如下：

【技术综述】闲聊图像分割这件事儿

【技术综述】你真的了解图像分类吗？

【技术综述】万字长文详解Faster RCNN源代码

【技术综述】“看透”神经网络

【技术综述】一文道尽“人脸数据集”

【技术综述】多标签图像分类综述

【技术综述】基于弱监督深度学习的图像分割方法综述

【技术综述】一文道尽传统图像降噪方法

【技术综述】深度学习在自然语言处理中的应用发展史

【技术综述】视频分类/行为识别研究综述，从数据集到方法

【技术综述】一文道尽softmax loss及其变种

【杂谈】有三AI不得不看的技术综述(超过100篇核心干货)

3 开源框架。覆盖caffe，tensorflow，pytorch，mxnet等十二个训练框架以及移动端部署框架。每一个开源框架，从简介，到数据的处理，模型的自定义，模型的训练，结果的可视化，模型的测试等进行讲述，麻雀虽小，五脏俱全，一篇总结性质的文章如下：

【完结】给新手的12大深度学习开源框架快速入门项目

【完结】TensorFlow2.0 快速上手手册

【移动端DL框架】当前主流的移动端深度学习框架一览

4 数据理解。覆盖各个领域数据集的介绍，数据整理与获取，数据增强，数据可视化等，总结性质的文章如下：

【技术综述】一文道尽“人脸数据集”

【技术综述】深度学习中的数据增强方法都有哪些？

【知识星球】数据集板块重磅发布，海量数据集介绍与下载

5 深度学习模型。对深度学习中的各类模型的结构进行剖析，对其适用的场景进行分析，总结性质的文章如下：

【杂谈】为了让大家学好深度学习模型设计和优化，有三AI都做了什么

【总结】言有三&阿里天池深度学习模型设计直播汇总，附赠超过200页直播PPT课件

【完结】总结12大CNN主流模型架构设计思想

【完结】12篇文章带你逛遍主流分割网络

6 深度学习理论。细致地讲述深度学习中的基础理论，让大家更深刻的理解原理，跟踪前沿的发展，激发思考，一篇总结性质的文章如下：

【完结】12篇文章告诉你深度学习理论应该学到什么水平

7 模型训练。总结深度学习模型训练技巧，从手动调参到自动调参，代表性文章如下：

【模型训练】SGD的那些变种，真的比SGD强吗

【模型训练】如何选择最适合你的学习率变更策略

8 生成对抗网络。讲述生成对抗网络GAN的优化相关的技术和实战，代表文章如下：

【完结】12篇GAN的优化文章大盘点，浓浓的数学味儿

【杂谈】如何系统性地学习生成对抗网络GAN

9 强化学习与AutoML。讲述强化学习与AutoML相关的技术，代表文章如下：

【强化学习】强化学习专栏上线，60多篇文章等你follow

【强化学习】数据科学，从计算到推理

【强化学习】从强化学习基础概念开始

【AutoML】AutoML专栏上线，跟Google一起见证调参党的末日？

【AutoML】如何选择最合适的数据增强操作

【AutoML】激活函数如何进行自动学习和配置

【AutoML】归一化(Normalization)方法如何进行自动学习和配置

【AutoML】优化方法可以进行自动搜索学习吗？

【AutoML】损失函数也可以进行自动搜索学习吗？

【AutoML】如何使用强化学习进行模型剪枝？

【AutoML】强化学习如何用于模型量化？

10 计算机视觉领域核心技术。讲述计算机视觉领域相关的理论技术和实战，代表性文章如下：

【年终总结】有三AI至今在人脸图像算法领域都分享了哪些内容？

【完结】16篇图像分类干货文章总结，从理论到实践全流程大盘点！

11 自然语言处理领域核心技术。讲述自然语言处理相关的理论技术和实战，代表性文章如下：

【年终总结】2019年有三AI NLP做了什么，明年要做什么？

【完结】 12篇文章带你完全进入NLP领域，掌握核心技术

12 AI-1000问。串讲AI技术中的一些非常小而重要，但是又容易被人忽视的问题，以实现知识的查漏补全，一篇总结性质的文章如下：

【完结】AI1000问以后知识星球和B站见啦

13 学习资源与习惯。总结各类学习资源与习惯，讲解对行业的理解，代表性文章如下：

【完结】优秀的深度学习从业者都有哪些优秀的习惯

【杂谈】从GitHub上星星最多的男人开始发GitHub综述资料

【杂谈】那些酷炫的深度学习网络图怎么画出来的？

【杂谈】如何学会看arxiv.org才能不错过自己研究领域的最新论文？

【杂谈】当前模型剪枝有哪些可用的开源工具？

【杂谈】当前模型量化有哪些可用的开源工具？

【杂谈】当前知识蒸馏与迁移学习有哪些可用的开源工具？

【杂谈】有三AI专栏作者邀请，在这里写文章能获得什么，有什么不同？

14 AI大咖。了解AI领域大咖的学术生涯和个人经历，推荐大咖的经典论文，代表性文章如下：

【AI大咖】认真认识一代AI教父Hinton

【AI大咖】再认识Yann LeCun，一个可能是拥有最多中文名的男人

【AI大咖】扒一下低调的Yoshua Bengio大神

【AI大咖】ML宗师乔教主，Science评选的全世界最有影响力的计算机科学家

【Git项目】想成为大咖，先从八卦大咖开始，这个GitHub项目你值得拥有

15 AI产品。剖析AI领域产品背后的逻辑以及核心技术，代表文章如下：

【AI产品】产品小姐姐分析抖音背后的计算机视觉技术

【AI产品】超长文详解作业帮产品逻辑和技术原理

【AI产品】深扒美图秀秀中掳获万千少女芳心的“AI秘籍”

【AI产品】五一出游赏花草，你一定需要这款“形色”

【AI产品】你我当年的老照片，如今修复了可还行？

【AI产品】前沿黑科技，安利一款能让你的照片动起来的app

以上只是列出了少量代表性文章，另外还有很多的专栏和文章，大家可以去公众号菜单阅读或者直接搜索。

强烈推荐技术人员去关注骚扰，他们还在培养优秀的专栏作者，欢迎去投稿。

CV和NLP培养季划

有三AI不做培训，但是言有三本人每一个季度亲自带少量的学生，自己写教材，自己建立数据集，自己写每一个项目的代码。除了已经出版的新书，还在写其他的书籍。

纵观季划，拥有以下特点：

(1) 内容贴近工业界实战。如其中的caffe相关的代码解读/修改/C++部署，开源框架模型转换，CNN模型设计/优化，数据增强等无一不是工业界通用的关键技术。

(2) 自成闭环。言有三自己撰写教材，建立数据集，自己写完整项目代码。

(3) 学习方式灵活。不仅不限定学习时间，学会为止。还包括线上线下，图文/视频/直播多种不同的交流方式。

(4) 增值服务多样化。赠送有三AI知识星球，赠送现有以及以后录制的系列视频源文件，赠送现有以及以后的有三AI文化产品。

还有很多的细节，有兴趣的同学可以去阅读介绍，自己咨询有三。

知识星球

为了更加自由的内容输出，也让大家可以跟各行各业的大佬们交流，有三AI开设了星球，内容与公众号完全不重合，大家可以参考其2019年的年终总结。

【年终总结】2019年有三AI知识星球做了什么，明年又会做什么

暂时包含的技术板块如下：

相比于学术研究，这几年里在AI领域里火热的深度学习更是一门工程应用技术，其中最重要的两块内容就是模型和数据，知识星球有两个对应板块，分别是模型结构1000变和数据集。

(1) 网络结构1000变。剖析各种各样的网络模型结构，目前已经有超过5万字多的解读，以最近三个月的内容为例，我们主要是关注模型优化(模型剪枝，模型量化，模型蒸馏)，生成对抗网络(GAN)，三维重建等方向：

案例如下：

(2) 数据集。模型解决了接下来就是数据问题，里面包括如ImageNet，EffectNet等超过100G的大型数据集，需要license或者需要参赛，因为网络原因不能获取的数据集，以及新奇有趣的数据集。一些案例如下。

另外，有三AI星球大咖云集，下图是第一批入驻的大咖，有以下三类群体。

1 工业界大佬：覆盖阿里达摩院，腾讯AILab，百度IDL，奇虎360AI研究院，海康威视研究院，陌陌深度学习实验室以及其他一线互联网公司AI部门的资深技术专家，主管，甚至是总监，相信你进来预览一下就知道的。

2 自媒体大佬：包括计算机视觉，OpenCV，Java，Android等技术领域的行业专家，优秀专业自媒体，畅销书作家，相信在圈子里的大家肯定都认识的。

3 创业大佬：包括CSDN等社区的创始人，相信大家对于敢于当老板的大佬一定是有很多的问题想问的。

面对这么多的大佬，可以向他们免费/付费提问，有三以后也会邀请有意愿的来进行干货分享，这还只是第一批入驻的大佬，更多还在持续入驻中，你会不心动吗？

三人行必有AI，期待你的加入！

往期相关

• 夏至未至，阳光也很灿烂

• 如何制作一篇充满夏日气息的文章

• 听说做模板能赚钱？