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Transformer在CV上的应用前景，未来有可能替代CNN吗？PyTorch中在反向传播前为什么要手动将梯度清零？
有哪些有趣的图形学(CG)和计算机视觉(CV)相结合的应用的例子？
怎么在家学习一些关于机器学习的知识?
如何看待微软小冰写的诗？
如何评价谷歌大脑的EfficientNet？
是不是对于任意 n×n 大小的围棋棋盘，人类都赢不了 AlphaGo Zero 了？
为什么交叉熵（cross-entropy）可以用于计算代价？
卷积神经网络（CNN）的结构设计都有哪些思想？
有没有什么可以节省大量时间的 Deep Learning 效率神器？
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
老师给了一个神经网络的程序，他之前是跑通了的，但是我迭代几十次或者一百多次就报错。这个怎么解决?简单解释一下sparse autoencoder, sparse coding和restricted boltzmann machine的关系？
为什么yolov5从零开始训练（不在ImageNet上预训练）能够达到如此高的性能？
为什么最近几年 FPGA 变得越发受大家重视了？
如何理解 natural gradient descent?
广告算法工程师的核心竞争力是什么？
如何评价剑桥，腾讯， DeepMind以及港大团队新作 SimCTG ?
如何学习视频识别技术？
你实践中学到的最重要的机器学习经验是什么？
默写很花时间怎么办？
熵权法确定权重的原理是不是因为它仅依赖于数据本身的离散性?
计算成像(computational photography)方向的就业前景如何？
NLP领域，你推荐哪些综述性的文章？
如何看待李国杰院士在科学网发文称，国内 AI 研究「顶不了天、落不了地」，该想想了？
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?
百度学术能否替代 Google 学术网站？有没有其他选择？
如何看待指出 神经网络的训练罪魁祸首是退化一文？
AMD的CPU是否适合搭建深度学习主机？
数字图像处理的工作是用传统算法更多还是用深度学习更多?
生成对抗网络的毕设怎么上手？
神经网络模型压缩好就业吗?
深度学习应用在哪些领域让你觉得「我去，这也能行！」？
目前的人工智能离可以自己给自己写代码编程还有多远？
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？
为什么nlp没有像cv四小龙一样的创业公司？
计算机视觉中video understanding领域有什么研究方向和比较重要的成果？
有哪些职业容易被人工智能替代？
机器学习中有哪些形式简单却很巧妙的idea？
能否用具体的例子解释一下 (Model-based) Structural Estimation？
如何看待Transformer在CV上的应用前景，未来有可能替代CNN吗？