深度学习论文阅读计划(超级天坑,待填)

写在前面

本文总结了自己在深度学习领域读过的一点论文,链接了自己或他人写的一些论文笔记也包含了对将来制定的论文阅读计划。将阅读笔记整理在一起是为了能融会贯通,力求梳理出统一解决某一类问题的技巧或思想,也为了成全自己在成长道路上的“满足感”。欢迎沟通, 与君共勉。


Table of Contents

写在前面

简要汇总

trick

轻量网络

 CNN经典结构

目标检测算法

人脸识别算法

视频处理算法

图像对抗算法

详细汇总

trick

分类网络训练技巧

目标检测训练技巧

轻量型网络

轻量型网络综述

squeezenet

shufflenet

mobilenet

xception

经典CNN结构

inception系列综述

人脸识别

人脸识别发展综述

人脸识别loss综述

目标检测

one-stage

two-stage

anchor-free

提问


 简要汇总

本章节以表格形式进行论文汇总归档,记录了论文阅读难度评级、论文中我记下来立马能想到的几个要点,以及阅读和做笔记的状态。

trick

主题 论文标题 难度评级 要点 是否读过 是否做笔记
trick Bag of Tricks for Image Classification with Convolutional Neural Networks easy

1. 训练过程、模型结构、数据的一些trick

2. 低精度、大batch; 1乘1卷积的stide; label smoothing和cosine learning rate decay

\checkmark \times


Bag of Freebies for Training Object Detection Neural Networks

    \times \times

轻量网络

主题 论文标题 难度评级 要点 是否读过 是否做笔记
轻量网络

SqueezeNet

SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size

       

MobileNet

MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

       

ShuffleNet

ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices

       

Xception

Xception: Deep Learning with Depthwise Separable Convolutions

       
           

 CNN经典结构

主题 论文标题 难度评级 要点 是否读过 是否做笔记
CNN经典结构

inception

v1:

v2:

v3:

       

resnet

Deep Residual Learning for Image Recognition

       
         
         

目标检测算法

主题 论文标题 难度评级 要点 是否读过 是否做笔记
  YOLO系列        
目标检测算法 Faster R-CNN系列        
  SSD        
           
anchor free          
           
           
           

人脸识别算法

人脸识别真的是个深坑,各种loss层出不穷

主题 论文标题 难度评级 要点 是否读过 是否做笔记
人脸识别算法

DeepFace

DeepFace: Closing the Gap to Human-Level Performance in Face Verification

       

DeepID 系列

  • Deep Learning Face Representation from Predicting 10,000 Classes [Yi Sun et al., 2014]

  • Deep Learning Face Representation by Joint Identification-Verification [Yi Sun et al., 2014]

  • Deeply learned face representations are sparse, selective, and robust [Yi Sun et al., 2014]

  • DeepID3: Face Recognition with Very Deep Neural Networks [Yi Sun et al., 2015]

       

FaceNet(Triplet Loss)

FaceNet: A Unified Embedding for Face Recognition and Clustering [Florian Schroff et al., 2015]

       

SphereFace(A-Softmax)

  • SphereFace: Deep Hypersphere Embedding for Face Recognition(A-Softmax loss) [Weiyang Liu al., 2017]

       

ArcFace

  • ArcFace: Additive Angular Margin Loss for Deep Face Recognition [Jiankang Deng al., 2018]

       
各种loss Contrastive Loss        

Center loss

A Discriminative Feature Learning Approach for Deep Face Recognition [Yandong Wen et al., 2016]

       

L-Softmax

  • Large-Margin Softmax Loss for Convolutional Neural Networks(L-Softmax loss) [Weiyang Liu al., 2017] code

       
           
           

视频处理算法

主题 论文标题 难度评级 要点 是否读过 是否做笔记
  C3D        
  P3D        
  TSN        
           

图像对抗算法

主题 论文标题 难度评级 要点 是否读过 是否做笔记
           
           
           
           

 

 

 

详细汇总

trick

分类网络训练技巧

  • Bag of Tricks for Image Classification with Convolutional Neural Networks

链接:https://arxiv.org/abs/1812.01187

摘要:训练分类网络时一些trick,主要从训练过程、模型结构两方面展开,也包含了一些数据方面的细节。

笔记:待写

他人笔记参考:

知乎专栏、博客

目标检测训练技巧

  • Bag of Freebies for Training Object Detection Neural Networks

链接:https://arxiv.org/abs/1902.04103

摘要:目标检测的trick

笔记:待写

他人笔记参考:

知乎专栏、博客

轻量型网络

轻量型网络综述

博客1、

squeezenet

shufflenet

mobilenet

xception

经典CNN结构

inception系列综述

博客1、

人脸识别

人脸识别发展综述

  • 论文合集: https://github.com/L706077/DNN-Face-Recognition-Papers
  • 参考资料:

https://zhuanlan.zhihu.com/p/36416906

https://zhuanlan.zhihu.com/p/24816781

人脸识别loss综述

  • 参考资料:

https://zhuanlan.zhihu.com/p/34404607

https://zhuanlan.zhihu.com/p/34436551

https://zhuanlan.zhihu.com/p/34717205

目标检测

真的是深坑,更新实在太快了

  • 论文合集
链接 描述
https://github.com/hoya012/deep_learning_object_detection 根据年份分类
   
  • 论文+代码实现
链接 描述
https://github.com/amusi/awesome-object-detection 根据模型系列分,并且有代码实现
   

one-stage

two-stage

anchor-free

  • DenseBox
  • YOLO
  • CornerNet
  • ExtremeNet
  • FSAF
  • FCOS
  • FoveaBox

提问

问题 解答
anchor-free和one-stage等同吗?  
   

 

 

 

 

 

 

你可能感兴趣的:(个人计划,论文笔记,深度学习)