科研路上我们往往会读到让自己觉得想法很惊艳的论文，心中对不同的论文也会有一个排名。

我们来看看各路大神是怎么评价的。

• 论文链接 https://arxiv.org/abs/1410.3916

关于计算机视觉领域，@taokongcn分享了几个重要的工作。

1. Fully Convolutional Networks for Semantic Segmentation

论文链接 https://arxiv.org/abs/1411.4038

全卷积神经网络FCN：相信做物体识别检测分割的同学都非常熟悉这个工作，可以看作是开启和奠定了用FCN做实例和像素级别理解的一系列方法的先河，思想非常简单：直接端到端利用全卷积网络预测每个位置的标签。后续非常多的方法，包括Mask R-CNN、各种单阶段检测器、包括3D、video的诸多方法均或多或少受此简单想法的启发。

2. Faster R-CNN

论文链接 https://arxiv.org/abs/1506.01497

Faster R-CNN：现在回想起来，能在2015年想到Anchor这个想法真的是一个跨时代的，这个思想虽然简单但影响到了几乎所有的实例级别的理解任务。不多说，懂得都懂。

3. Deformable Convolutional Networks

https://openaccess.thecvf.com/content_iccv_2017/html/Dai_Deformable_Convolutional_Networks_ICCV_2017_paper.html

可形变卷积DCN：通过简单的offset学习和变换，赋予了卷积神经网络更加可形变的能力，想法很简单很work，目前已经成为各种打比赛的涨点神器。

复旦大学硕士生@陀飞轮：当年看Deformable Convolutional Networks(DCN)的时候最为惊艳，可能看过的文章少，这种打破固定尺寸和位置的卷积方式，让我感觉非常惊叹，网络怎么能够在没有直接监督的情况下，学习到不同位置的offset的，然后可视化出来，能够使得offset后的位置能够刚好捕捉到不同尺寸的物体，太精彩了！

4. CAM: Learning Deep Features for Discriminative Localization

论文链接 https://www.cv-foundation.org/openaccess/content_cvpr_2016/html/Zhou_Learning_Deep_Features_CVPR_2016_paper.html

CAM@周博磊老师代表工作之一，如何用已有的分类网络去做定位？思想极为简单但有效：将最后一层的权重与对应特征层加权。目前几乎所有做图像弱监督定位分割的工作均或多或少吸收此思想，影响深远。

‍‍‍‍‍对你没有看错，图像关注的部分就是将该类的fc层中的权重和feature maps对应加权求和就行了。。。说实话我觉得这个真的是经过很多实验才发现的idea。因此通过这个CAM我们便可知这个网络到底在学什么东西。

至于后面CAM变体例如grad-cam等大家可以去查阅了解。通过这个惊艳的CAM，我觉得是开了基于弱监督图像分割领域的先河，简直是祖先级别的神工作。

为什么这么说呢，基于image-level的弱监督分割旨在仅通过分类标签而生成对应的分割标签图，（毕竟手工标记分割图上的像素太烧钱了呀哈哈哈 ）你看看CAM，如果通过阈值一下的话，那些热点处的不就可以作为置信度高的前景像素标签了嘛！！！

于是你便可以看到大量的弱监督领域分割之作都是在这个CAM之上完成的。不仅如此，CAM也在可解释领域中被作为一种基本的工具。这篇五年前的文章至今仍在视觉领域中放光发热，让很多的学者以此为基石展开研究。

我也是很感谢这篇工作让我接触到弱监督领域。毕竟是我转做计算机视觉读的第一篇文章hhhh，所以，thank you, CAM！

5. CLIP: Learning Transferable Visual Models From Natural Language Supervision

论文链接 https://cdn.openai.com/papers/Learning_Transferable_Visual_Models_From_Natural_Language_Supervision.pdf

跨语言-图像的预训练是很多人都能想到的idea，但是一直效果不够。这个工作体现出了作者们极度的自信和能力，竟然收集了大量大量大量的paired数据真正做work了！感觉自己做的工作就是渣渣，，，

知乎上@王峰提出了一个非常好的图示：

人脸识别方面，ECCV16的Center Loss和ICML16的Large Margin Softmax（是同一波人做的）。

个人认为这两篇文章最惊艳的地方并不在于方法，而在于分析问题的方式，尤其是这张图：

之前人们并不是没有研究过特征分布，但是用的方法都还是传统的一些降维手段如t-SNE，但t-SNE毕竟是个非线性降维方法，并不能真实地表现出原始特征分布。

实际上神经网络自己就是一个非常好的降维工具，直接将fc层的输出维度设置为2，那么每个样本的特征就只有两维，可以直接画在一个平面上，得到的可视化图像就是真正的特征分布。

有了这个可视化手段，人们发现原来softmax loss训练出来的特征是这样一个放射型分布，类与类之间是按角度分隔开的，于是才有了后续一系列工作关于角度的分析。

时至今日，这两个算法已经被更好的算法取代了，但分析问题的方式一直延续至今都还在被广泛使用。

@rainy分享了一篇小众方向（视频增稳/Video Stabilization）的论文，可能不是那种推动领域进步的爆炸性工作，这篇论文我认为是一篇比较不错的把传统方法deep化的工作。

论文链接 https://arxiv.org/pdf/2011.14574.pdf

看样子应该是投稿CVPR21，已开源。

论文链接 https://github.com/Annbless/DUTCode

首先介绍一下视频增稳的定义，如名称所示，视频增稳即为输入一系列连续的，非平稳（抖动较大）的视频帧，输出一系列连续的，平稳的视频帧。

由于方向有点略微小众，因此该领域之前的工作（基于深度学习）可以简单分为基于GAN的直接生成，基于光流的warp，基于插帧（其实也是基于光流的warp）这么几类。这些论文将视频增稳看做了“视频帧生成问题”，但是理想的视频增稳工作应该看做“轨迹平滑”问题更为合适。

而在深度学习之前刘帅成大神做了一系列的视频增稳的工作，其中work的即为meshflow。这里贴一个meshflow解读的链接。（论文链接https://www.yuque.com/u452427/ling/qs0inc）

总结一下，meshflow主要的流程为“估计光流-->估计关键点并筛选出关键点的光流-->基于关键点光流得到mesh中每一个格点的motion/轨迹-->进行轨迹平滑并得到平滑后的轨迹/每一个格点的motion-->基于motion得到满足平滑轨迹的视频帧”。

总结了meshflow之后，这篇DUT主要进行的工作其实很简单，在meshflow的框架下，将其中所有的模块都deep化：

• LK光流---->PWCNet

• SIFT关键点----->RFNet

基于Median Filters的轨迹平滑------>可学习的1D卷积

除此之外，由于原始的meshflow是基于优化的方法，因此DUT在替换了模块之后依旧保留了原始的约束项，并且可以使用无监督的方式完成训练，效果也好于一票supervised的方法。

迈微推荐

看了很多大牛的推荐，经过个人思考后，迈微也整理了详细的论文推荐名单。

• 免费下载链接：https://github.com/Charmve/PaperWeeklyAI

之前分享的这几篇也给出了必读论文篇目及下载链接。

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载机器学习的数学基础专辑
本站qq群704220115，加入微信群请扫码：