在线资源库#

CVonline: The Evolving, Distributed, Non-Proprietary, On-Line Compendium of Computer Vision

未加筛选的资源清单#

• Nixon-Aguado / Feature-Extraction-and-Image-Processing-Book-Examples

• jbhuang0604 / awesome-computer-vision

• 微软精品：Computer Vision

• A Gentle Introduction to Computer Vision

• microsoft / computervision-recipes

• 计算机视觉牛人博客和代码汇总（全）

• YOLOv4：https://mp.weixin.qq.com/s/tjz9Kz7Of8sCnXg0qxNGwQ

• Sandbox用于训练嵌入式系统的大规模图像分类网络

• PyTorch版EfficientDet比官方TF实现快25倍？这个GitHub项目数天狂揽千星

书籍#

• Computer vision: algorithms and applications by Richard Szeliski.

• Multiple view geometry in computer vision by Richard Hartley and Andrew Zisserman.

• Information theory, inference and learning algorithms by David MacKay.

• Feature extraction and image processing by Mark S. Nixon and Alberto S. Aguado.

• Pattern recognition and machine learning by Christopher M. Bishop.

• coco 生成工具 waspinator / pycococreator

scikit-image#

图像处理中媲美 matlab 的 python 包——scikit-image 包的用法详解。基于python的图片处理包还是很多的，比如PIL,Pillow, opencv, scikit-image等。其中，PIL和Pillow只提供最基础的数字图像处理，功能有限；opencv本质上是一个c++库，只是提供了python的接口，官方更新速度非常慢，而且安装很不容易。综合来看，scikit-image是基于scipy的一款图像处理包，它功能非常齐全，同时将图片作为numpy数组进行处理，几乎集合了matlab的所有图像处理功能，在数据的处理方式，函数名字等方面对matlab的模仿姿势非常到位。

更为重要的是，作为python的一个图像处理包，这个包是完全开源免费的，而且可以依托于python强大的功能，与tensorflow等软件配合使用于主流的深度学习等领域。因此，用scikit-image进行图像处理是一个非常好的选择，matlab能干的事情它都能干，matlab不能干的事情他也可以，个人认为在数字图像处理领域，它是完全可以代替matlab的。价格昂贵且界面并不怎么美观的matlab简直要哭晕在厕所。

librosa 语音信号处理#

• librosa 语音信号处理

Natural Language Toolkit — NLTK#

http://www.nltk.org/

TensorBoardX#

Google TensorFlow 附加的工具 Tensorboard 是一個很好用的視覺化工具。他可以記錄數字，影像或者是聲音資訊，對於觀察類神經網路訓練的過程非常有幫助。很可惜的是其他的訓練框架（PyTorch, Chainer, numpy）並沒有這麼好用的工具。網路上稍加搜尋可以發現已經有一些現成的套件可以讓不同的訓練框架使用 web 介面來觀察訓練情形，不過他們可以記錄的東西比較有限或是使用起來比較複雜 (tensorboard_logger, visdom)。tensorboardX 的目的就是讓其他 tensorboard 的功能都可以輕易的被非 TensorFlow 的框架使用。 目前這個套件除了 tensorboard beholder 之外支援所有 tensorboard 的紀錄型態。這個套件目前的標準測試環境為 Ubuntu 或是 Mac ，windows 則是有不定期手動測試；使用的 python 版本為 anaconda 的 python3。

C++ 学习#

• C++ 菜鸟课程

• C语言网

编辑器#

• ksky521/nodeppt: This is probably the best web presentation tool so far! (github.com)

• marktext/marktext: 📝A simple and elegant markdown editor, available for Linux, macOS and Windows. (github.com)

• jgm/pandoc: Universal markup converter (github.com)

• Requarks/wiki: Wiki.js | A modern, lightweight and powerful wiki app built on Node.js (github.com)

• gnab/remark: A simple, in-browser, markdown-driven slideshow tool. (github.com)

• NHN (github.com)|nhn/tui.editor: 🍞📝 Markdown WYSIWYG Editor. GFM Standard + Chart & UML Extensible. (github.com)

• 强悍！基于Vue的无渲染的富文本编辑器——tiptap！ - 云+社区 - 腾讯云 (tencent.com)

python 与 office 套件#

• openpyxl - A Python library to read/write Excel 2010 xlsx/xlsm files — openpyxl 3.0.6 documentation

• Adobe XD：为适应您的工作方式而生的设计工具。

  • 功能概述 | Adobe XD|Adobe XD 教程 | 学习使用 Adobe XD CC

  • 免费的Adobe XD，你会用了吗？ - 知乎 (zhihu.com)

• Computer Vision: Algorithms and Applications, 2nd ed. (szeliski.org)

• https://github.com/GUIDesignResearch/GUIGAN

• 带你了解图像篡改检测的前世今生 - 知乎 (zhihu.com)

• Free-Form Image Inpainting with Gated Convolution - 知乎 (zhihu.com)

• CVPR2020之姿势变换GAN - 知乎 (zhihu.com)

• ICCV2019最佳论文奖SinGAN（一）原理剖析 - 知乎 (zhihu.com)

• Image Inpainting for Irregular Holes Using Partial Convolutions - NVIDIA ADLR (nv-adlr.github.io)

• DeepGIN: Deep Generative Inpainting Network for Extreme Image Inpainting | Papers With Code

• Rethinking Image Inpainting via a Mutual Encoder-Decoder with Feature Equalizations | Papers With Code

• 《小王爱迁移》系列文章汇总目录 - 知乎 (zhihu.com)

• andimarafioti/GACELA：Generative adversarial context encoder for audio inpainting

• HyperMorph: Amortized Hyperparameter Learning for Image Registration | Papers With Code：We present HyperMorph, a learning-based strategy for deformable image registration that removes the need to tune important registration hyperparameters during training. Classical registration methods solve an optimization problem to find a set of spatial correspondences between two images, while learning-based methods leverage a training dataset to learn a function that generates these correspondences… (read more)

AI 修图#

• youyuge34/PI-REC

• youyuge34/Anime-InPainting

• Rethinking Image Inpainting via a Mutual Encoder-Decoder with Feature Equalizations

• ECCV2020(Oral) Rethinking image inpainting

• #每日五分钟一读# Image Inpainting

• [Note] Prior Guided GAN Based Semantic Inpainting

图像修复#

1. CVPR 2016的Context-Encoders（CNN+GAN， 鼻祖级的 NN修复方法，后面大多数补绘方法的爸爸，在DL+inpainting领域里，堪比大佬董超的SRCNN在DL+单张超分辨重建的地位） 链接： Feature Learning by Inpainting; Github代码: pathak22/context-encoder

2. CVPR 2017的High Resolution Inpainting(Context-Encoders+CNNMRF框架)，结合了风格迁移的思路，链接： High-Resolution Image Inpainting using Multi-Scale Neural Patch Synthesis; Github代码: leehomyc/Faster-High-Res-Neural-Inpainting 3. ICCV 2017的on demanding learning(本质上还是Context-Encoders的衍生版) 链接： On-Demand Learning for Deep Image Restoration， Github代码: rhgao/on-demand-learning 4. SIGGRAPH 2017 (ACM ToG)的Globally and Locally Consistent Image Completion (CE中加入Global+Local两个判别器的改进)， Github代码: satoshiiizuka/siggraph2017_inpainting

3. ECCV 2018的**Image Inpainting for Irregular Holes Using Partial Convolutions** （引入了局部卷积，能够修复任意非中心、不规则区域），论文+代码(官方)：论文 # NVIDIA/partialconv

4. CVPR 2018的**Generative Image Inpainting with Contextual Attention，一作大佬jiahui Yu** 后续还有个工作: Free-Form Image Inpainting with Gated Convolution, Github代码：JiahuiYu/generative_inpainting 7. ECCV 2018的**Shift-Net: Image Inpainting via Deep Feature Rearrangement** （哈工大 左旺孟教授组的工作）效果也不错，Github代码: Zhaoyi-Yan/Shift-Net_pytorch 8. ECCV 2018的**Contextual-based Image Inpainting，inpainting大佬Chao Yang(NPS的一作)等人的又一力作: 论文 9. ACM MM 2018的Semantic Image Inpainting with Progressive Generative Networks，简称PGN，采用了由外至内的步进式修补策略**，Github代码：shepnerd/inpainting_gmcnn

5. NIPS 2018的**Image Inpainting via Generative Multi-column Convolutional Neural Networks，用了不少trick，Github代码：shepnerd/inpainting_gmcnn**

6. ICCV 2019的**EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning, 采用边缘推断信息的思路进行重建。Github代码：knazeri/edge-connect**

7. CVPR 2019的**Foreground-aware Image Inpainting, 思路类似于上面的工作，也是先推断生成轮廓边缘**，辅助缺失区域进行修复，不知道上面的哥们看了这篇会是什么感受…速度也很重要啊…Foreground-aware Image Inpaintingarxiv.org

13. CVPR 2019的**Pluralistic Image Completion，**论文与Github代码：

https://arxiv.org/abs/1903.04227arxiv.orglyndonzheng/Pluralistic-Inpaintinggithub.com

14. IJCAI 2019的**MUSICAL: Multi-Scale Image Contextual Attention Learning for Inpainting，武汉大学杜博老师组的工作（注：第一作者为我校计院的一名本科生**…广大CV狗瑟瑟发抖!）。引入一个多尺度的上下文注意力模块，避免信息滥用/误用导致的纹理模糊等问题,损失函数部分联合了风格损失、感知损失、对抗损失，来保证补绘内容的一致性和清晰水平。

武汉大学地学智能感知与机器学习研究组sigma.whu.edu.cn

15. ICCV 2019的**Coherent Semantic Attention for Image Inpainting，论文作者为Kuma , 文中提出了一个全新的Attention模块**，该模块不仅有效的利用了上下文信息同时能够捕捉到生成补丁之间的相关性。同时提出了一个新的损失函数配合模块的工作，最后利用一个新的特征感知辨别器对细节效果进行加强，代码过段时间会公开。

Coherent Semantic Attention for Image Inpaintingarxiv.orgKumapowerLIU - Overviewgithub.com

• deeppomf / DeepCreamPy： Decensoring Hentai with Deep Neural Networks

其他#

• CVonline: Image Databases

• 世界最大博物馆组织发布免费图像数据集，你想好用它干什么了吗？ - 云+社区 - 腾讯云 (tencent.com)

• mit-han-lab/gan-compression: [CVPR 2020] GAN Compression: Efficient Architectures for Interactive Conditional GANs (github.com)

• 求通俗解释NLP里的perplexity是什么？

• 香港科技大学施行健：深度学习用于短临降雨预报的一个基准和一个新模型 | 分享总结 | 雷锋网 (leiphone.com)

• 交叉新趋势|采用神经网络与深度学习来预报降水、温度等案例(附代码/数据/文献) - 知乎 (zhihu.com)

• 不要上手就学深度学习！超详细的人工智能专家路线图，GitHub数天获2.1k星

• AMAI GmbH

• 一文带你理清DDPG算法（附代码及代码解释） - 知乎 (zhihu.com)

• yangxudong/deeplearning

• Pybtex!

• DeepLearning.AI TensorFlow Developer Professional Certificate program

• 有效的TensorFlow 2

• Attention Model(注意力模型) - 知乎 (zhihu.com)

• OpenAI新研究补齐Transformer短板，将可预测序列长度提高30倍_weixin_33980459的博客-CSDN博客

• 时间序列预测方法总结_Poo_Chai的博客-CSDN博客

• TCN 时间卷积网络

• MXNet 教程

• 一文了解下 GANs可以做到的事情

• [论文笔记] ENet：Real-Time Semantic Segmentation

• 简评 | 知识蒸馏（Knowledge Distillation）最新进展（一）

• RAUNet

• ICLR 2020|抛开卷积，multi-head self-attention能够表达任何卷积操作

• SIGIR 2019开源论文：用户注意力指导的多模态对话系统

• 一文看尽语义分割中的non-local

• Learning Invariant Representation for Unsupervised Image Restoration

• In-Domain GAN Inversion for Real Image Editing

• Bringing Old Photos Back to Life

• CVPR 2020 | 想要自己的3D肖像模型?现在自拍一张头像便可得到

• Super-Resolution GAN VGGFace2 EfficientNet CelebA

• MXNet：Deep Convolutional Generative Adversarial Networks

• Pytorch：DCGAN Tutorial

• 使用TensorFlow2.0搭建DCGAN生成动漫头像（内含生成过程GIF图）

• Tensorflow2.0——DCGAN动漫人物头像生成

• GAN，没错，生成对抗网络也可以被用于时间序列预测

• 白话GAN及其解决小样本问题的探讨

• GAN入门，有这篇就够了🎉🎉🎉

• 火热的生成对抗网络(GAN),你究竟好在哪里

• 能量视角下的GAN模型：GAN＝“挖坑”＋“跳坑”

• 深入浅出 GAN·原理篇文字版（完整）| 干货

• 生成对抗网络 – Generative Adversarial Networks | GAN

要了解关于 GANs 的更多信息，我们建议参阅 MIT的 深度学习入门 课程。