迁移学习（续）

https://mp.weixin.qq.com/s/U45X5kKMw_E4vfHfVmWZTA

FSAF：来自CMU的Single-Shot目标检测算法

https://mp.weixin.qq.com/s/45CLHvP1cumzcwMV0myj_g

微软-少标签样本构建高性能文本分类器

https://zhuanlan.zhihu.com/p/60420771

领域自适应：利用DIRT-T模型提高性能

https://mp.weixin.qq.com/s/duJK5y9ZeFkYsFkAg4E2Jw

IBM-小样本学习（Few-shot Learning）State of the art方法及论文讲解

https://mp.weixin.qq.com/s/Hok9D8dAzYrBz7XoFmGE2A

AliExpress：在检索式问答系统中应用迁移学习

https://mp.weixin.qq.com/s/f_vB2AXCytnvoZaqfMeIpw

应用TF-Slim快速实现迁移学习

https://mp.weixin.qq.com/s/R1bKmhADfhQAZmhXL9ObiQ

多重预训练视觉模型的迁移学习

https://mp.weixin.qq.com/s/l-l1xbUaPNKc-w5XndjCbQ

通过网络结构迁移学习提高图像识别任务的拓展性

https://mp.weixin.qq.com/s/-KssC3yXsG3ZuV8-I6D_nQ

学习迁移架构用于Scalable图像的识别

https://mp.weixin.qq.com/s/5DtTgc9bIrdXQkmuqRm8CA

谷歌大脑迁移学习：减少调参，直接在数据集中学习最佳图像架构

https://mp.weixin.qq.com/s/fEKc6yFZwTPAHjXJlcHA-w

香港科技大学提出L2T框架：学习如何迁移学习

https://mp.weixin.qq.com/s/pbyByPoZ9SVoP9B7pJMxXg

深度卷积网络迁移学习的脸部表情识别

https://mp.weixin.qq.com/s/aqmeIEVIG-845wiKlyXlsA

小数据、高准确率的文本分类：利用迁移学习创造通用语言模型

https://mp.weixin.qq.com/s/yXF5Cxs_29OBOl41enjfyg

阿里巴巴&浙大Poster论文：基于直推式无偏嵌入的零样本学习

https://mp.weixin.qq.com/s/qYoTgqwjaUlEycuk9LlonA

迁移学习：6张图像vs13000张图像，超越2013 Kaggle猫狗识别竞赛领先水平

http://mp.weixin.qq.com/s/6Urv6TfUfc-BWV1YqTM1PQ

迁移学习+BPE，改进低资源语言的神经翻译结果

https://mp.weixin.qq.com/s/kPFS_4swYEP6Amw8xfXEgg

中科院自动化所-针对小样本问题的学习生成匹配网络方法

https://mp.weixin.qq.com/s/NFziZe6xS_CzVZX_0Den9g

达观数据CTO纪达麒:小标注数据量下自然语言处理实战经验

https://mp.weixin.qq.com/s/6w5S5R_qA0956VMj1isunQ

雷哥带你读论文之深度迁移炼丹！

https://mp.weixin.qq.com/s/wB9skXSWoMHoWnME2JAyIw

基于全局类别表征的小样本学习

https://mp.weixin.qq.com/s/6eHmudo6EG47qBe7xwri6g

ImageNet错误率小于4%，数据量依然不够，N-Shot Learning或是终极解决之道？

https://mp.weixin.qq.com/s/cG0TDIZ3z4lUEQb_N1ysbg

使用迁移学习构建顶尖会话AI

https://mp.weixin.qq.com/s/VGdlOlQh1_4FFTAuUHR_VA

迁移学习中如何利用权值调整数据分布？DATL、L2TL两大方法解析

https://mp.weixin.qq.com/s/V-4d-3yMmQpZUVY-h1eaoA

Barbara Plank-NLP模型的跨语言/跨领域迁移-经验分享

https://mp.weixin.qq.com/s/TUrH7qiZBpmqWN4VL5dhlw

清华大学：用于少次关系学习的神经网络雪球机制

https://mp.weixin.qq.com/s/VlxF7BVk7hUQ9HDiGYpzGA

基于Co-Attention和Co-Excitation的少样本目标检测

https://mp.weixin.qq.com/s/xaKqAhuxaHDPV-VwHE7H2A

零样本学习研究进展综述中文版

https://mp.weixin.qq.com/s/YWzHnN5mQQtM9M3Uao8iGQ

伯克利-滴滴出行：深度学习多源领域自适应综述论文

https://mp.weixin.qq.com/s/WwA_IP4rIpZ6GgFkzQ3sNA

增量学习不只有finetune，三星AI提出增量式少样本目标检测算法ONCE

https://mp.weixin.qq.com/s/lUkydJaClqCoZIZ6THTRBA

增量学习(Incremental Learning)小综述

https://mp.weixin.qq.com/s/rTP3-IdQk7iDz058SyOpIQ

零样本图像识别综述论文

https://mp.weixin.qq.com/s/DLcyMGTVfRoA58VHc6z6eg

最新《迁移学习:域自适应理论》综述论文，128页ppt讲解迁移学习与最优传输

https://mp.weixin.qq.com/s/MCJcHhB2g-wDPqnhp7f6Xw

仅需少量视频观看数据，即可精准推断用户习惯：腾讯、谷歌、中科大团队提出迁移学习架构PeterRec

https://mp.weixin.qq.com/s/s0Kxv0-v6OY1ziAiSDth3g

小样本分割综述

https://mp.weixin.qq.com/s/wtY66E0zMGzmdnPGWL3aQw

迁移学习了解下

https://mp.weixin.qq.com/s/6aBzR0O3pwA8-btsuDX82g

现代NLP中的零样本学习

https://mp.weixin.qq.com/s/jYdeaCCaQJwqxK9h6MzJuA

基于深度神经网络的少样本学习综述

https://mp.weixin.qq.com/s/fhTfNXjPeM5wMeLK2Y-yHA

适用于少量数据的深度学习结构

https://mp.weixin.qq.com/s/zQuLpzIptpFQC_f2Xx26og

迁移学习在新闻推荐中的应用

https://mp.weixin.qq.com/s/sKVCFScJq7ql1T6BmTFLow

少标签数据学习，61页ppt，宾夕法尼亚大学

https://mp.weixin.qq.com/s/EPafCEIg7LYqsnwYq3-nvg

从Few-shot Learning再次认识机器学习

深度ISP

HDR+是一个使用连拍摄影生成更好的图像的数据集。

http://hdrplusdata.org

https://zhuanlan.zhihu.com/p/34391353

机器感知Google推出HDR+连拍摄影数据集

HDRNet

HDRNet是一个Image Enhancement方面的数据集。

https://groups.csail.mit.edu/graphics/hdrnet/

《Unprocessing Images for Learned Raw Denoising》

这篇论文虽然不是综述，但有很多内容讲解ISP的流程。

《Deep Learning for Image Denoising: A Survey》

《Deep Learning on Image Denoising: An overview》

这两篇综述都是哈工大深圳分院的作品。

https://mp.weixin.qq.com/s/wA85XFQXeypuoqFnmN2P4g

降噪的新时代

https://mp.weixin.qq.com/s/KZcNmoGtuPUjoNzEaBb8UA

AI ISP的黎明

https://mp.weixin.qq.com/s/rxHoE4f5e6Kv2xIqJLIKdA

哪些功能更适合AI

https://mp.weixin.qq.com/s/919VEvennHEG3iXKkMZoQQ

不止是去噪—从去噪看AI ISP的趋势

https://zhuanlan.zhihu.com/p/27902193

利用卷积自编码器对图片进行降噪

https://zhuanlan.zhihu.com/p/39512000

Noise2Noise：图像降噪，无需干净样本

https://mp.weixin.qq.com/s/Wdxkvlz4nLbJS_gWqHwMjw

无需额外硬件，全卷积网络让机器学习学会夜视能力

https://mp.weixin.qq.com/s/iH7gbRn4opLsWgKWoVFpBA

腾讯优图&港科大提出较大前景运动下的深度高动态范围成像

https://mp.weixin.qq.com/s/WXVZkqCGlj6ym5YrSZS3Vg

谷歌普林斯顿提出首个端到端立体双目系统深度学习方案

https://mp.weixin.qq.com/s/NlYgA-A43q4C155kRdWPAQ

论文复现：谷歌实时端到端双目系统深度学习网络stereonet

https://mp.weixin.qq.com/s/9yfTO2jHz69-k1MsUGIM0Q

双目立体放大！谷歌刚刚开源的这篇论文可能会成为手机双摄的新玩法

https://mp.weixin.qq.com/s/z87Wp3yutq1l5bYfJS2YIA

谷歌新研究用深度学习合成运动模糊效果，手抖也能拍出摄影师级照片

https://mp.weixin.qq.com/s/B5XNmFlSnjEh2xAXB42pHQ

超十亿样本炼就的CNN助力图像质量增强，Adobe推出新功能“增强细节”

https://mp.weixin.qq.com/s/MEjZT_41w2cRqIYDi8a1rw

腾讯优图CVPR中标论文：不靠硬件靠算法，暗光拍照也清晰

https://mp.weixin.qq.com/s/Ek2eNeUPzEJiN6E1Yr6sMw

CVPR2019成像类论文拾英

https://mp.weixin.qq.com/s/qbPAQeJr7OWOwysa4_iDIw

基于深度学习的低光照图像增强方法总结（2017-2019）

https://zhuanlan.zhihu.com/p/82352961

基于深度学习的图像增强综述

https://zhuanlan.zhihu.com/p/56263560

单目视觉深度估计测距的前生今世

https://mp.weixin.qq.com/s/xdV3VHbSrgQa3G51KMHamA

神经网络如何进行深度估计？

https://mp.weixin.qq.com/s/0K_NF84wvPJttEARVUGPWA

DeOccNet：国防科大提出阵列相机去除前景遮挡成像新方法

https://mp.weixin.qq.com/s/HxYckWC7rKEq8L6bUMKHTg

手机拍出单反照片，苏黎世理工单个深度卷积模型取代ISP

https://zhuanlan.zhihu.com/p/107840206

深度学习替代手机ISP可行吗？

https://zhuanlan.zhihu.com/p/140926754

低光图像处理方案

https://mp.weixin.qq.com/s/uT4eln61NNCdHYWLeTNsbQ

对数字屏幕拍照时的摩尔纹怎么去除？

https://zhuanlan.zhihu.com/p/161806533

论文阅读：神经形态视觉传感器（事件相机）的研究进展及应用综述

https://mp.weixin.qq.com/s/yIMaptbjV71cdC-GauGtDg

先拍照后对焦，浅析基于深度估计的景深编辑与背景虚化

https://mp.weixin.qq.com/s/RA8rYI5z_18ybKQaVYWOxw

浅析多重曝光与自动图像融合技术

https://mp.weixin.qq.com/s/ry7DFwnhttXghEndfeZ-VA

提高照片清晰度的黑魔法竟然是..

https://mp.weixin.qq.com/s/BczYuj1xaG097gq3t8XLkQ

深度解析爱芯元智AI ISP技术

Spiking Neural Network

除了基于BP算法的NN之外，Spiking Neural Network也是一大类NN。Spiking NN和人脑结构更相似，功耗也更小，但是相关训练和数据量化的算法尚不成熟，属于潜力股。

https://homepages.cwi.nl/~sbohte/publication/paugam_moisy_bohte_SNNChapter.pdf

Computing with Spiking Neuron Networks

https://mp.weixin.qq.com/s/6dpKSaLFVo-ge4gtbG8GQg

简述脉冲神经网络SNN：下一代神经网络

https://mp.weixin.qq.com/s/0n50YO1jIv_mxqe0EeS6kw

综述AI未来：神经科学启发的类脑计算

https://mp.weixin.qq.com/s/5KA7jtlRmnXxijGQhU1k4A

DeepMind哈萨比斯狂推的神经科学，入门需要看什么书？

https://mp.weixin.qq.com/s/TWdeHVCgEf54STvdA1QUPg

DeepMind哈萨比斯长文：伟大的AI离不开神经科学

https://mp.weixin.qq.com/s/8ibcyvyBLYArAMhQElqRzg

Cell研究揭示生物神经元强大新特性，是时候设计更复杂的神经网络了！

https://mp.weixin.qq.com/s/cb6JBlb11xW0Xw0RWI4vFA

浙大&川大提出脉冲版ResNet：继承ResNet优势，实现当前最佳

https://mp.weixin.qq.com/s/yaAuVpuhSGabOswKnv9q5Q

脉冲神经网络与小样本学习

https://mp.weixin.qq.com/s/m7UHX3XL5sC3oBdu3KoyOg

脉冲神经网络（SNN）概述

https://mp.weixin.qq.com/s/vwZfmyIEdEdpqJWKOSKYYw

清华天机AI芯片登Nature封面：全球首款异构融合类脑芯片，实现自行车无人驾驶

https://mp.weixin.qq.com/s/skA3NZIAzTrsnSsNCxCYSA

类脑计算背后的计算神经科学框架

https://mp.weixin.qq.com/s/ku78_exDM-OUwWPBCNahCg

Spiking-YOLO：前沿性研究，脉冲神经网络在目标检测的首次尝试

https://blog.csdn.net/u011853479/article/details/61414913

脉冲神经网络的五脏六腑

https://blog.csdn.net/Yannan_Strath/article/details/105761023

脉冲神经网络（Spiking Neural Network）叙述

https://blog.csdn.net/Yannan_Strath/article/details/108190281

脉冲神经网络（Spiking Neural Network）发展现状