文/编辑 | 言有三
最近遇到了很多新手来交流，网上资料甚多，筛选有时候是个大问题，一般遇到一个新方向，找技术综述读一读是最合适的开始，今天总结一下有三AI发过的技术综述。
25篇CV工程师进阶文章
深度学习CV算法工程师从入门到初级面试有多远，大概是25篇文章的距离，这是有三AI修行之路的《白身境》和《初识境》两大系列的完结，从编程基础，图像基础，数学基础讲到深度学习理论和实践基础，最适合新手系统性进阶和学习，也适合老手巩固自己的基础，这篇文章在知乎上也是全网热点。
另外，AI不惑境界也已经更新了6期，不妨用这个来自测一下自己的深度学习算法理论水平到什么地步了。
优秀的深度学习从业者习惯
一个优秀的深度学习从业者，必然是技能全面，擅长学习的人，在这里我们总结了从看论文到写代码，从刷论坛到刷比赛的一系列资源供大家挑选学习，12篇文章，12个维度，几乎覆盖了所有学习资料和方法。
AI研究院总结
在这个专栏中，我们和大家一起分享了国内12大研究院的背景，从最开始介绍的历史最悠久的微软亚洲研究院，到最后介绍的低调务实的网易人工智能，带大家领略了每个研究院的研究方向，团队情况，欣赏了各大研究院的拳头产品。
12大深度学习开源框架项目
这是有三AI开源的第一个GitHub项目，在这里给大家捋清楚12大深度学习开源框架的快速入门，从熟练掌握不同任务数据的准备和使用，熟练掌握模型的定义，熟练掌握训练过程和结果的可视化，到熟练掌握训练方法和测试方法，真正快速掌握框架
12大主流CNN模型设计思想
在这里，我们给大家回顾了深度学习中各类具有代表性的CNN模型，详细分析了各类模型的特点，设计思想。当然，这个系列只是抛砖引玉，现在更多的模型架构在我们的知识星球中每日两更，今年预计更新500+模型。
12大主流图像分割模型
介绍完基本的模型架构之后，我们又紧接着介绍了12大主流的图像分割模型架构，对于做分割的你来说，不可错过。
图像和CNN起源
读史使人明智，既然从事深度学习计算机视觉，又岂能不深刻了解计算机视觉的发展简史，CNN和深度学习三巨头的由来呢？
深度学习NLP简史
说完了图像，再说说深度学习在自然语言处理领域的简单历史，从词向量开始，到最新最强大的BERT等预训练模型。
人脸数据集
这一篇文章几乎道尽了人脸的数据集，囊括了人脸检测，关键点检测，人脸识别，人脸表情，人脸年龄，人脸姿态几乎所有方向，当时文章都险些超过公众号最大长度
数据增强综述
很多实际的项目，我们都难以有充足的数据来完成任务，要保证完美的完成任务，有两件事情需要做好：(1)寻找更多的数据。(2)充分利用已有的数据进行数据增强，这里就是对当前数据增强方法的综述，覆盖有监督无监督，单样本多样本方法等。
图像分类综述
图像分类是一个最基本的问题，但是它并不简单，很多新手都容易轻视它，不知道你是否真的了解图像分类的分类以及其中的难点呢。
多标签图像分类综述
紧接着图像分类综述，我们又写了多标签的图像分类综述，这是一个与生俱来的问题，大部分情况下分类没有唯一的答案，比如下图，风景，倒影，房屋，草地，都是正确的标签
闲聊图像分割
有三做的时间最久的就是图像分割了，从传统的阈值法，聚类，图割，水平集，到深度学习，这里就是我对图像分割算法的大总结。
弱监督图像分割综述
接着图像分割综述，我们又总结了弱监督图像分割综述，可视化
深度学习模型是个黑盒子，我们可以从网络结构，权重，训练曲线等各个维度进行可视化来理解它的学习过程和工作机制。
softmax loss解读
softmax loss是我们最熟悉的loss之一了，分类任务中使用它，分割任务中依然使用它。在这里，我们推导它的公式，总结了它的变种，这篇文章几乎就是有三AI的开始
Faster RCNN源代码解读
鉴于网络上目标检测的技术综述太多，我们没有再继续写作，而是解读了最优秀的目标检测框架之一Faster R-CNN， 详细剖析了各个模块的源代码。
传统图像降噪算法
图像降噪是一个小众而又不可或缺的课题，也是有三在读书期间的一大研究方向，在这里我们对主流的传统图像降噪算法做了介绍，至于深度学习的研究现状，马上就会来了。
美学研究
何以为美，从自拍到颜值到通用的美学问题，这是一个永远都没有答案，但是又迷人的话题，一切都才刚刚开始。
自动构图
作为一个摄影爱好者，研究构图是我的一大乐趣，将AI技术用于构图，更是有着广阔的应用前景，如果你也喜欢，不要错过噢。
人脸相关算法
在早期的时候，有三带了一些研究小组总结学习了人脸相关的算法并做了非常简单的输出，从颜值到年龄到表情到检测到识别等等，后面的内容
