DL & NLP resource » DL参考资源（四）
2017-10-20 :: 6054 WordsDL参考资源
缺陷检测（续）
https://mp.weixin.qq.com/s/MjG2YZWe80sN5eqWpQfxOw
基于深度学习的表面缺陷检测方法综述
https://mp.weixin.qq.com/s/15iowD4AocB6Ut_j8kGHeg
一种先分割后分类的两阶段同步端到端缺陷检测方法
https://mp.weixin.qq.com/s/Jb4UgRB1kC6c2_CzSQDKeg
使用计算机视觉的方法在钢铁平面上检测焊接缺陷
光神经网络
https://mp.weixin.qq.com/s/EdDMj-fH2jXA222qyWvcuQ
3D打印的深度神经网络，光速执行AI运算
https://mp.weixin.qq.com/s/5zt8UIpNBcgNZpwHHJj68Q
光学CNN层替换传统CNN层，超省电
https://mp.weixin.qq.com/s/IheyYAC1yIigYOW-gtc5Eg
Science重磅！用光速实现深度学习，跟GPU说再见
https://mp.weixin.qq.com/s/ENYX87SMlgv30x08iYFQIw
几乎零能耗零延迟！UCLA科学家发明光衍射神经网络，登上Science
参考
https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650748834&idx=3&sn=805564d2d9956dff6bb888ccb61e9b7b
看图聊天的骚操作，MIT开发精准到单词的语音-图像配对系统
https://mp.weixin.qq.com/s/emJGtx-LAWarlpUnRf-0-w
观察运动推断物体材料，MIT提出“视觉+运动”物理基元分解
https://mp.weixin.qq.com/s?__biz=MzIwMTc4ODE0Mw==&mid=2247491876&idx=1&sn=e431c2291f4c985777be4d9b7bdfefa6
正经炼丹师如何完美安排国庆长假？假期专属论文清单
https://mp.weixin.qq.com/s/aPBPzBEGoiXF0-uMO_BCFQ
iCAN：以人为中心的“人-物”交互检测网络
https://mp.weixin.qq.com/s/R_nd7_YWA7q1JzE0BP8JrQ
Petuum新研究助力临床决策：使用深度学习实现自动ICD编码
https://mp.weixin.qq.com/s/BpU2num-p95OTKnG1tAp3w
深度神经网络-随机三元化梯度下降和结构化稀疏
https://mp.weixin.qq.com/s/NXA7ymIuk0DaRwhFf0OHqA
MSRA研究员提出物体关系模块，实现首个完全端到端的物体检测系统
https://mp.weixin.qq.com/s/rAq6Rn7pSaZ5IOexgLO-4w
FAIR提出突触可塑算法：让神经网络学会记忆和遗忘
https://mp.weixin.qq.com/s/gljfrNwNvrK7teJ-DYyNIw
如何用深度学习处理结构化数据？
https://mp.weixin.qq.com/s/AZyqxZf6CbZJoT3qOpHDCQ
深度学习也可以取悦女友
https://mp.weixin.qq.com/s/KX85CCpYrXFOvdTU5Q4Frg
阿里巴巴论文提出针对影视作品的语音情感识别信息融合框架
https://mp.weixin.qq.com/s/XnCBiTqFVDh_4oBZdUoxew
Bengio等提出稀疏注意力回溯：长期依赖关系建模的更一般化机制
https://mp.weixin.qq.com/s/8dVronQoeZLJI2g49AljLg
技术讲解概率机器学习——深度学习革命之后AI道路
https://mp.weixin.qq.com/s/qof4GEPQYb9rO3Do_oL7BQ
如果给猫披上象皮，神经网络将作何判断？
https://mp.weixin.qq.com/s/l1Bc5l5cr3y9jQbh-bEQeQ
Deep Learning of Graph Matching论文解读
https://mp.weixin.qq.com/s/oWBZmjZZB-Sk3ivhC2jY-w
不用挨个数数，DNN也能“一眼看出”目标数量
https://mp.weixin.qq.com/s/I1BcM3qM7lb9XecKeAMwMQ
Hinton等人新研究：如何更好地测量神经网络表示相似性
https://mp.weixin.qq.com/s/MoKzux6Z69dlpqcVTvQ9oQ
解释深度神经网络训练全过程：谷歌发布SVCCA
https://mp.weixin.qq.com/s/LU5-zrWof5HmgqiIx6aNsg
用神经网络来判定量子纠缠？这里有一篇简单易懂的方法解读
https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650750713&idx=1&sn=c24923e28907f90754967da424891831
Diss所有深度生成模型，DeepMind说它们真的不知道到底不知道什么
https://mp.weixin.qq.com/s/dpJRequ5eilPKBT-wqA6YQ
厉害了！AI成功伪装人类贡献GitHub修复补丁
https://mp.weixin.qq.com/s/fqHropcxoP0AfQu2m1-wYQ
王克欣:详解记忆增强神经网络
https://mp.weixin.qq.com/s/LK8PBCC_uJoe_Rc4V940sQ
小心你发的图：机器视觉推断你的家庭成员
https://mp.weixin.qq.com/s/LV8tmeDGkfmFFyQqJwY25g
基于超像素的多局部区域的卷积神经网络用于全色图和多光谱图像分类
https://mp.weixin.qq.com/s?__biz=MzI3MTM5ODA0Nw==&mid=2247484058&idx=1&sn=0dfe92a0991294afba2514b137217a66
朱松纯：浅谈人工智能：现状、任务、构架与统一
https://mp.weixin.qq.com/s/8xSqmBbaFZ-oww4w-dOmeg
吴恩达对话Hinton、Bengio、Goodfellow
https://zhuanlan.zhihu.com/p/28444154
Seeta看AI：从大数据驱动到X数据驱动
https://zhuanlan.zhihu.com/p/28445169
毕彦超：物体识别与物体知识表征的认知神经基础
https://mp.weixin.qq.com/s/VAEH_241IAuEH5S6H6ep5w
UC伯克利提出新型视觉描述系统，物体描述无需大量样本
https://mp.weixin.qq.com/s/lSd6Gaf9RrmgZCd_EcQQOg
Bengio高徒演讲：深度学习三板斧：网络架构、学习算法和时空层级
https://mp.weixin.qq.com/s/r6Dnv3v6TYwTsAQJTDR0Mg
熬过深宫十几载，深度学习上位这五年
https://mp.weixin.qq.com/s/calUA-Ddq-mq4uHrExtfBQ
实习生通关秘籍：我在谷歌大脑开挂的一年
https://mp.weixin.qq.com/s/LqjEQN7pHTL47ToDh4WgZg
CVPR 2018，盘点我心中的创意 TOP10
https://mp.weixin.qq.com/s/R3T2CveNbjZszoJ1iL_3bw
带引导的进化策略：摆脱随机搜索中维数爆炸的魔咒
https://mp.weixin.qq.com/s/NXyrqkwqMHFsWJZE7D_SMA
线性模型可解释一定比DNN高？UCSD科学家：大错特错！
https://mp.weixin.qq.com/s/ivtMohnpgJGmbQJdo_xr9w
UCL等三强联手提出完全可微自适应神经树：神经网络与决策树完美结合
https://mp.weixin.qq.com/s/ugK5U6A2tqYkJwWfNWPuKg
计算机视觉深度学习中的几何结构与不确定性
https://mp.weixin.qq.com/s/l6fNAWeufws4RijA0nZWpA
模型的泛化能力仅和Hessian谱有关吗？
https://mp.weixin.qq.com/s/j_nU7QB_nArHQj36PL3h9w
李宏扬：二阶信息在图像分类中的应用
https://mp.weixin.qq.com/s/hE-2GLo1SNdIMY858_HuaQ
化秋毫为波澜:运动放大算法
https://mp.weixin.qq.com/s/M7w7tMVd23YToIW7DypYjA
用DL实现Bug自动归类：微软研究院提出DBRNN-A
https://mp.weixin.qq.com/s/7dpYRLKpRn0MSa5bz_sBDg
从傅立叶分析角度解读深度学习的泛化能力
https://mp.weixin.qq.com/s/iZZHmxGFHQHk1rlzMzDQcg
训练深度神经网络失败的罪魁祸首不是梯度消失，而是退化
https://mp.weixin.qq.com/s/yvHZ9hVueYUKsMXcNQQzmQ
深度学习会被可微分编程取代？
https://mp.weixin.qq.com/s/lPAcNayqcz1sh8xNVklzEA
DeepMind提出可微分逻辑编程，结合深度学习与符号程序优点
https://mp.weixin.qq.com/s/-4b3u02KiIt5i4Yzz-Ed3g
从信息论的角度理解与可视化神经网络
https://mp.weixin.qq.com/s/VdMYtZfH0yBNWMbiuGElOg
商汤及联合实验室入选论文重点解读：ECCV 2018
https://mp.weixin.qq.com/s/DF5eSgJpFHfcMeW2EL6oZQ
Hinton提出泛化更优的“软决策树”：可解释DNN具体决策
https://mp.weixin.qq.com/s/X75H8YOysftwU4VSjlmLBQ
谷歌大脑最新技术：将神经网络提炼成软决策树！
https://mp.weixin.qq.com/s/CjYVCqs21pwGTuYYzzzPiQ
常建龙：基于关系的深度学习
https://mp.weixin.qq.com/s/K9j4tX6_U8rdtItKntJkVQ
基于关系网络的视觉建模：有望替代卷积神经网络
https://mp.weixin.qq.com/s/Ou8a9ZkluYdSJhw-y7_jQQ
京东城市6篇论文展示AI和大数据在智能城市的落地应用
https://mp.weixin.qq.com/s/v7tzVtgUZuYunFMKtxpIiA
有效整合多类信息，阿里文娱提出多视图多标记算法SIMM
https://mp.weixin.qq.com/s/Lx1mCVtuFKkeuP_ovFJopg
基于Keras的关联神经网络CorrNet综合指南
https://mp.weixin.qq.com/s/RLe5E7rjqbKWxkE4Bpe7uw
26秒单GPU训练CIFAR10，Jeff Dean也点赞的深度学习优化技巧
https://mp.weixin.qq.com/s/Enc_bG3bL04ZCUDUTje75w
DeepMind提图像生成的递归神经网络DRAW，158行Python代码复现
https://mp.weixin.qq.com/s/vCIpaFUTYggzN9YWs14atw
让遥感图像活起来：遥感图像描述生成的模型与数据集探索
https://mp.weixin.qq.com/s/Wd4n5WnbPBW8CCDWwNGCAA
西北工业大学发布最新遥感图像目标检测综述论文和Benchmark，带你全面了解遥感图像检测方法
https://mp.weixin.qq.com/s?__biz=MzI3MTA0MTk1MA==&mid=2652055088&idx=1&sn=ee79493940fbc35b62875ce32ad474e7
LSTM之父的深度学习“奇迹之年”
https://mp.weixin.qq.com/s/mPDRmo5XM1JkCBP8fAkYqA
配送交付时间轻量级预估实践
https://mp.weixin.qq.com/s/g7o60Ypri0J1e65cZQspiA
探索权重无关神经网络
https://mp.weixin.qq.com/s/VuCWmi8M62zpSciiqGx03A
AI攻破高数核心，1秒内精确求解微分方程、不定积分，性能远超Matlab
https://mp.weixin.qq.com/s/HQKBwPHzO0r54Qp8F74jUw
只看影子就能还原视频，MIT新算法让摄像头无死角
https://mp.weixin.qq.com/s/DlRbHavllHghzi-Xr5Y1Hg
深度学习时代数据库：挑战与机会
https://mp.weixin.qq.com/s/4hL6wWQ73icEWHfK6QKSMw
频域学习，Learning in the Frequency Domain
https://mp.weixin.qq.com/s/sRGdNquZyt7VbvuKL5JXYQ
不仅搞定“梯度消失”，还让CNN更具泛化性：港科大开源深度神经网络训练新方法
https://mp.weixin.qq.com/s/PGZiJuZ2Dg6Vhkv55vfxKQ
对损失信息进行建模，实现信号处理高保真还原
https://mp.weixin.qq.com/s/eeubsLVDCGcSiEC0nJekWA
Adaptive Label Smoothing方法让模型结果更加鲁棒
https://mp.weixin.qq.com/s/0Y3x6b6L3T4kOYNUXOYDIA
噪声样本优秀论文综述（2017-2020）
https://mp.weixin.qq.com/s/04oEiolE0Qnm7l7H0r8lzw
深度学习模型如何处理大小可变的输入
您的打赏，是对我的鼓励
