https://github.com/ahong007007/awesomeCV

记录state-of-art计算机视觉相关论文。
https://github.com/ahong007007/awesomeCV

List: awesomeCV

Last synced: 2 months ago
JSON representation

记录state-of-art计算机视觉相关论文。

• Host: GitHub
• URL: https://github.com/ahong007007/awesomeCV
• Owner: ahong007007
• Created: 2019-06-23T15:29:10.000Z (over 5 years ago)
• Default Branch: master
• Last Pushed: 2021-07-09T03:41:57.000Z (over 3 years ago)
• Last Synced: 2024-04-13T13:41:46.933Z (9 months ago)
• Homepage:
• Size: 1.32 MB
• Stars: 502
• Watchers: 48
• Forks: 101
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

• Awesome-AI-algorithm - Github

README

        
# ComputerVision

好记性不如烂笔头，更何况针对自己不熟悉的领域，没有工程实践，可能不了解论文的痛点。而且太多的awesome，

怎么也看不完：只收藏不看不如一篇一篇的看（git提交的原则也是自己已经看过，有收获，有疑点有吐槽）。一般一个领域的论文

大部分是前人的工作，只有少部分是自己的改进。

针对论文主要了解动机，算法改进（累积个领域的现状），纵向对比（该领域更新），横向对比（不同领域方法对比，实验效果对比，太多

的论文报喜不报忧，提高精度不说实时性，state-of-art对比不全面，有意忽略性能较近的算法，没有怀疑的精神，没有实际验证或对比

，只会盲从。而盲从记忆，根本没有转化为自己用的机会）。

每天至少读一篇论文，更新一个commit，减少懒惰机会。

论文点评模板：项目组、解决问题，实验成绩，原因分析，改进措施，损失函数，训练过程，优缺点分析。

1、缺点分析只能在后续引文才会写，论文一般不会直接说自己的短处。

2、论文对比试验只会选择对自己有利的模型或数据集，要站在更全局方向考虑。

3、论文的关键trick，要对照代码解读，从论文找不到实践。

4、**最重要的一点，每个对比和改进，要问原因，问第一性原理！知其然更要知其所以然。**

20190411备注：看论文不要讲究数量和前沿，关键理论要吃透，要研究前因后果，多看代码，多复现问题。动手才能更进一步。

**Please feel free to add more resources (pull requests)**