深度学习/计算机视觉学习资料

深度学习/计算机视觉相关的博文/在线图书等的汇总，主要是个人比较感兴趣的环境理解/视频理解方向的

目标检测

• mmdetection系列
  经典目标检测/实例分割算法原理简介和统一实现
  https://zhuanlan.zhihu.com/p/337375549
• 样本不均衡：https://ranmaosong.github.io/2019/07/20/cv-imbalance-between-easy-and-hard-examples/
• 各种NMS：https://blog.csdn.net/qq_40263477/article/details/103881569
• Trick总结：https://zhuanlan.zhihu.com/p/137768226
• Anchor：https://zhuanlan.zhihu.com/p/63024247
• Anchor: https://zhuanlan.zhihu.com/p/84398108

量化

• Pytorch量化感知训练：https://leimao.github.io/blog/PyTorch-Quantization-Aware-Training/
• 神经网络量化基础：https://leimao.github.io/article/Neural-Networks-Quantization/
• Pytorch后量化：https://leimao.github.io/blog/PyTorch-Static-Quantization/

Backbone/网络结构

• ViT：https://abhaygupta.dev/blog/vision-transformer
• 经典Transtormer介绍：http://jalammar.github.io/illustrated-transformer/
• DCN：https://www.jianshu.com/p/206e7b0cb433
• 动态卷积比较：https://zhuanlan.zhihu.com/p/142196208
• GCN：https://jonathan-hui.medium.com/graph-convolutional-networks-gcn-pooling-839184205692

框架

• Pytorch内部实现：http://blog.ezyang.com/2019/05/pytorch-internals/

轻量化模型

• MobileNetV2: https://zhuanlan.zhihu.com/p/98874284

性能/加速

• Roofline介绍：https://zhuanlan.zhihu.com/p/33693725
• 卷积神经网络的复杂度分析：https://zhuanlan.zhihu.com/p/31575074
• Roofline：https://zhuanlan.zhihu.com/p/34204282
• 内存格式：https://oneapi-src.github.io/oneDNN/dev_guide_understanding_memory_formats.html

视频理解

• 视频分析方面专栏：https://www.zhihu.com/column/wzmsltw

跟踪

• 相关滤波：https://zhuanlan.zhihu.com/p/59624151

贝叶斯网络

• 变分推断：https://blog.evjang.com/2016/08/variational-bayes.html

AutoML/NAS

• NAS：https://lilianweng.github.io/lil-log/2020/08/06/neural-architecture-search.html

高质量博客

• https://evjang.com/
• https://www.computervisionblog.com/
• https://lilianweng.github.io/lil-log/archive.html

语义分割

• 谷歌视频语义分割方案：https://ai.googleblog.com/2018/03/mobile-real-time-video-segmentation.html

Online Book

• AI笔记：http://www.huaxiaozhuan.com/
• 复旦邱锡鹏：https://nndl.github.io/
• http://neuralnetworksanddeeplearning.com/

传感器/Camera等

• iPhone dTOF 数据获取、精度分析：https://www.it-jim.com/blog/iphones-12-pro-lidar-how-to-get-and-interpret-data/

课程

• CMU计算摄影学：http://graphics.cs.cmu.edu/courses/15-463/