近年来，人工智能正在进入一个蓬勃发展的新时期，这主要得益于深度学习和CV领域近年来的发展和成就。在这其中，卷积神经网络的成功也带动了更多学术和商业应用的发展和进步。
为了避免“内卷”，更多人选择学习进阶，但是仍旧遇到一些问题：
-
方向太大，涉及面太广，不知道如何选择和取舍；
-
不清楚入门和进阶时还需要了解哪些技术技能点；
-
不知道应该阅读哪些文献，也不知道如何理解各个论文中提及到的技术细节；
-
原理掌握一大堆，却不知道如何应用到项目落地；
-
……
这些问题的根本就是，你没有找到正确的学习方法和内容。
实现技巧对工程师至关重要，但是如何解释清楚其中的工作原理，或为什么选择其中一种方法而舍弃其他方法，也是必备的能力。
经典学术论文
这些论文大部分都发表在计算机视觉顶级学术会议上。这7份论文资料，100p以上的内容体量。建议收藏学习。
《Batch Normalization: Accelerating Deep Network Training by
Reducing Internal Covariate Shift》
《Convolutional Neural Network》
《Deep Inside Convolutional Networks: Visualising
Image Classification Models and Saliency Maps》
《Deep Residual Learning
for Image Recognition》
《ImageNet Classification with Deep Convolutional Neural Networks》
《ResNeSt: Split-Attention Networks》
《YOLOv4 Optimal Speed
and Accuracy of Object Detection》
这七份论文，对于你的理论提升，以及独立面对应用场景项目实战都有非常强的帮助！
更多文章请关注《万象专栏》
转载请注明出处：https://www.wanxiangsucai.com/read/cv15434