文/編輯 | 言有三

有三AI堅持三個原則，只做原創，不打廣告，不跟新聞，所以漲粉很慢。不過，令我們自豪的是，盡管至今只有6000來粉絲，但是在我們5000粉絲的時候，也出現了很多1000+閱讀量(打開率超過20%)的文章，將近三分之一的文章打開率也超過了10%，論打開率就算是全網咱也是Top了吧。今天就來仔細盤點一下吧，按照時間順序從后往前。

有三AI撲克牌

作為一周年紀念，我們推出了集深度學習開源框架，深度學習模型架構，深度學習學習習慣，AI研究院與產品于一身的有三AI撲克牌，歡迎大家點擊查看，已經陸續發貨了噢！

言有三寫的新書

一周年之際，有三也出版了一本新書，名為《深度學習之圖像識別 核心技術與案例實戰》，這是一本以計算機視覺技術為依托，講述深度學習中的核心技術的書籍，同時配套有大量實戰案例。覆蓋深度學習理論(最優化，損失目標設計)，數據使用(常用數據集，數據獲取，標注與增強)，可視化(數據與模型)，模型優化，三大計算機視覺任務的發展。

雖然公式的印刷出了一點問題(本周會勘誤)，本書仍然不失為一本很干貨的書。

25篇CV工程師進階文章

深度學習CV算法工程師從入門到初級面試有多遠，大概是25篇文章的距離，這是有三AI修行之路的《白身境》和《初識境》兩大系列的完結，從編程基礎，圖像基礎，數學基礎講到深度學習理論和實踐基礎，最適合新手系統性進階和學習，也適合老手鞏固自己的基礎，這篇文章在知乎上也是全網熱點。

GitHub機器/深度學習資料大全

我相信真的很難有比我們這個資料更全的了，這個文章在知乎上也是全網熱點。從大綜述，到論文，社區，?課程，項目，數據集，研究領域，工具，無所不有，無所不包。

網絡圖繪制

這篇文章不僅是知乎熱點，也被很多的AI大號轉載，包括AI科技大本營，雷鋒網等等。就是教你怎么繪制好看的網絡圖，實用，酷炫！

如何跟蹤Arxiv的論文

作為一個AI方向的學習者，需要經常從arxiv.org中獲取和跟蹤最新的論文，arxiv-sanity就是一個用于論文跟蹤的好工具，你值得擁有。

有三AILab

雖然我們不跟新聞，但是不代表不跟蹤最新的技術，所以我們成立有三AILab，歡迎感興趣與符合條件的朋友加入。

季劃

有三AI沒有想過要做培訓，但是仍然會以師徒制帶很少一部分人，內容很多，收費也很低。學習方式包括圖文+視頻+一對一指導+每周線下+在線直播+項目孵化。學會為止，還有最后10天的報名機會，之后將不接受報名，新的夏季劃也會漲價。

創業第一天專欄介紹

三月份我離職創業，當時還只有150多篇原創文章和10多個專欄，現在又增加了將近100篇，可見這兩個月還是非常勤快的。

創業第一天，有三AI扔出了深度學習的150多篇文章和10多個專欄

相比當時的文章，其實更建議大家閱讀我們一周年的總結，生態更加的豐富。

裸辭文章

2019年3月3日，鼓起勇氣揭開裸辭生活的第一天。還有不到兩年就三十歲了的時間里，想開始做一些事情，彼時心態，歷歷在目。

圖像分類的輸入為何是224*224

這是有三AI 1000問的第一個問題，為什么深度學習圖像分類的輸入多是224*224，這個見慣不慣，不一定有標準答案的問題。如今1000問已經并入知識星球，當初這個系列也是人氣很高的。

AI研究院總結

在這個專欄中，我們和大家一起分享了國內12大研究院的背景，從最開始介紹的歷史最悠久的微軟亞洲研究院，到最后介紹的低調務實的網易人工智能，帶大家領略了每個研究院的研究方向，團隊情況，欣賞了各大研究院的拳頭產品。

計算機視覺研究方向

這里詳細介紹了深度學習在圖像分類，分割，目標檢測，目標跟蹤，圖像濾波與降噪，圖像增強，風格化，三維重建，圖像檢索，生成對抗網絡GAN等領域中的關鍵技術和特點。

棄用windows

要說服一個新手放棄windows擁抱Linux，并不是那么容易的事情，但是，你只有走出第一步才知道這一件事情是多么的美妙。

人臉數據集

一文道盡了人臉的數據集，囊括了人臉檢測，關鍵點檢測，人臉識別，人臉表情，人臉年齡，人臉姿態幾乎所有方向，當時文章都險些超過公眾號最大長度。

除了以上已經突破1000+，20%打開率的10多篇文章，我們還有很多超過10%打開率的文章，其中不乏超過900閱讀量的文章，就等著大家熱情點贊和轉發突破1000了！

這里我們無法將其全部放出，不然本文就太長了，挑選其中對大家最有幫助的35篇吧，更多可以查看往期鏈接。

殘差網絡的前世今生與原理

在深度學習模型發展史中，殘差網絡因其簡單而有效的結構與異常有效的結果而占據了非常重要的位置，在這里我們重點講述了它的來龍去脈，相關架構的發展，有效性的相關研究。

一周年總結

今年五月中旬有三AI一周年了，過去的一年里，有三從算法干到前端，后端，從編輯干到產品，運營，設計，創建了一個不小的生態。在這里，便是說說我們的初衷，生態和愿景。

TensorFlow2.0專欄

TensorFlow2.0 Alpha版發布后，API也發生了很大的改變，基本上相當于重新學習tensorflow，我們開設了2.0專欄。其中Keras便是必須使用的接口了，那就一起來吐槽全世界都是Keras吧。

有三AI小程序上線

5月份的時候有三把小程序推上了線，這是一個為季劃學員展示自己項目的舞臺，也是將來有三AILab展示作品的舞臺，大家感興趣的可以掃碼體驗一下。

網絡寬度與模型性能

一個深度學習網絡的寬度究竟會如何影響模型的性能呢？在這里有三通過理論和實驗結果來完整分析了網絡寬度的發展與模型性能的關系，以及如何對寬度進行設計。

AI 1000問總結

在AI1000問我們提出了很多容易被忽視，普通但是不簡單，可以引申很多思考的問題，包括為何通用分類網絡輸入大小是224*224，為什么大家喜歡用小卷積，訓練中為什么要分驗證集和測試集，現在這個系列已經轉移到知識星球中。

優秀的深度學習從業者習慣

一個優秀的深度學習從業者，必然是技能全面，擅長學習的人，在這里我們總結了從看論文到寫代碼，從刷論壇到刷比賽的一系列資源供大家挑選學習。

AI產品專欄-抖音

為了讓大家的學習更加貼近工業界實戰，我們開設了專欄《AI產品》，對其中的關鍵技術進行剖析。

AI大咖

為了讓大家更多地了解行業大咖，我們開設了專欄《AI大咖》，不僅要了解follow他們的研究，也打聽他們的八卦，領略大牛的風骨，如今已經3期了噢，相應的GitHub項目也推出了。

有三VIP技術顧問

有三AI VIP就是買斷有三的時間了，可以就任何技術問題進行隨時討論，同時會贈送有三AI所有付費產品和內部資料，包括知識星球，文化產品，錄制的一系列視頻，線下交流，直播等等。

推薦的工業界比賽

從深度學習新手到有志于站到算法之顛的老鳥，都可以通過參加一些比賽來獲取經驗或者證明自己，這里就推薦了AI圖像領域值得參加的一些比賽，有大眾的有小眾的，也有別具特色的。

國外高質量學習社區

機器之心等媒體不是喜歡從Medium等平臺翻譯文章嗎，我們在這里系統性地介紹了國內外的優質論壇媒體，包括新聞信息平臺Reddit，創作平臺Medium，問答社區Quora等，從此你也可以獲取第一手資料進行學習。

如何使用公眾號學習

天下公眾號有很多種，有信息媒體號，學術論壇號，個人博客號，系列教程號，每一類號都有它自己的特色，如何利用好這些公眾號進行學習呢。

數據驅動的深度學習

數據壓榨越狠，人工智能就越成功，在這里，我們分析了數據與各類學習系統的關系，在深度學習的各個發展階段對數據的使用，了解從模型的結構設計，模型的優化參數選擇，數據的使用策略的最新發展，深度學習正在全面走向自動化。

數據增強綜述

很多實際的項目，我們都難以有充足的數據來完成任務，要保證完美的完成任務，有兩件事情需要做好：(1)尋找更多的數據。(2)充分利用已有的數據進行數據增強，這里就是對當前數據增強方法的綜述，覆蓋有監督無監督，單樣本多樣本方法等。

為什么大家喜歡用小卷積

我們知道現在在構建CNN時大家喜歡用3*3的卷積，而不是早期的5*5，7*7等更大尺寸的卷積，如vgg，mobilenet等系列網絡中全部使用了3*3的卷積。那么你知道為什么這樣做嗎？

Github免費爬蟲總結

在開發實際項目的時候，你經常沒有足夠多的數據，需要自己去想辦法獲取，這個時候常常需要用到爬蟲。然而找來找去，很可能找了很久都找不到既免費又好用的爬蟲，這里就總結了GitHub上面最好的爬蟲，它很可能就是項目成功的開始。

如何做筆記

在學習的過程中做好總結記錄是非常重要的，那么這里要聊的就是作為程序員，有哪些筆記工具可以提高工作效率呢？

12大深度學習開源框架項目

這是有三AI開源的第一個GitHub項目，在這里給大家捋清楚12大深度學習開源框架的快速入門，從熟練掌握不同任務數據的準備和使用，熟練掌握模型的定義，熟練掌握訓練過程和結果的可視化，到熟練掌握訓練方法和測試方法，真正快速掌握框架。

有三說深度學習

雖然有三錄制了很多視頻，但是真正拿出去上線的只有網易云上的《有三說深度學習》，其余的都私藏了，如果你想聽聽，不妨加入。

提升寫代碼效率

想成為一個優秀的AI算法工程師必須要熟練使用Linux，從桌面管理，編程管理到項目管理，這都是推薦你應該掌握的，一定會大大提升工作效率。

深度學習理論學習

在《AI初識境》這一個專欄中，我們給大家從神經網絡背景與基礎，講到了深度學習中的激活函數，池化，參數初始化，歸一化，優化方法，正則項與泛化能力，講到了深度學習中的評測指標，優化目標，以及新手開始做訓練時的注意事項。這些都是深度學習必備的扎實基礎，我們講述的都覆蓋了最前沿的研究，絕不簡單。

給深度學習新手做項目的建議

一個新手做項目時總是不知道輕重緩急，也容易犯一些低級的錯誤，這篇文章不是教你如何調參，而是教你不要在調參之前胡搞。

損失函數

優化目標/損失函數無疑對一個深度學習系統來說是至關重要的，這里就說說深度學習中常見的損失函數(loss)，覆蓋分類，回歸任務以及生成對抗網絡。

弱監督圖像分割綜述

大家知道北航的博士孫叔橋最近在有三AI開設了《圖像分割模型》專欄，而這篇弱監督圖像分割綜述也是出自她的筆下，被各大號轉載。

FlyAI比賽平臺

我們不打廣告，但是如果是非常好的東西就會直接推薦，FlyAI便是一個集免費GPU，企業真實數據集和需求，能力變現為一身的平臺，推薦大家參與。

深度學習模型評估

一個深度學習模型在各類任務中的表現都需要定量的指標進行評估，才能夠進行橫向的PK比較，在這里就說說分類，回歸，質量評估，生成模型中常用的指標，以計算機視覺任務為例。

如何增加深度學習模型的泛化能力

機器學習方法訓練出來一個模型，希望它不僅僅是對于已知的數據(訓練集)性能表現良好，對于未知的數據(測試集)也應該表現良好，也就是具有良好的generalization能力，這就是泛化能力。這里說的便是泛化和正則化有關的內容。

搜狗AI主播背后的核心技術

這也是屬于《AI產品》的內容，只是當時專欄還未設置，背后包含了三維重建，表情合成，唇語合成，語音合成等一系列技術的剖析。

12大主流CNN模型架構

在這里，我們給大家回顧了深度學習中的各類具有代表性的CNN模型，詳細分析了各類模型的特點，設計思想。當然，這一個系列不可能包含所有的模型，但是我們可以從中洞見最核心的思想。

深度學習必備圖像基礎

學深度學習計算機視覺，當然是從夯實圖像基礎開始了。從圖像的起源，到數字圖像的基本概念，數字圖像處理的基礎，這是系統而全面的介紹。

Faster RCNN源代碼解讀

Faster R-CNN項目無疑是最優秀的目標檢測框架之一， 在這里我們詳細剖析了各個模塊的源代碼。

閑聊圖像分割

有三做的時間最久的就是圖像分割了，從傳統的閾值法，聚類，圖割，水平集，到深度學習，這里就是我對圖像分割算法的大總結。

softmax loss解讀

softmax loss是我們最熟悉的loss之一了，分類任務中使用它，分割任務中依然使用它。在這里，我們推導它的公式，總結了它的變種，這篇文章幾乎就是有三AI的開始。

除了上面的30多篇，還有至少20篇以上截止目前閱讀量600以上，文末往期包含了一些。總的來說公眾號有超過70篇，大概1/3的文章超過10%的打開率，在沒有做簡單轉發之外的任何運營手段的背景下，充分證明了文章的質量以及受歡迎的程度，希望能夠給大家帶來真正的幫助。

謝謝點贊和轉發的朋友，我們繼續努力！

直播預告

今日看圖猜技術

網絡結構

有三AI生態

更多更新的內容請移步知乎專欄《有三AI學院》

轉載文章請后臺聯系

侵權必究

• 2016自動駕駛外行裝逼攻略（超長文推薦）

• 為了壓榨CNN模型，這幾年大家都干了什么

• 有三AI知識星球官宣，BAT等大咖等你來撩

• 有三AI小程序上線，把你的代碼show給世界

• 如何降低遮擋對人臉識別的影響

• 【技術綜述】一文道盡傳統圖像降噪方法

• 【技術綜述】一文道盡R-CNN系列目標檢測

• 【技術綜述】你真的了解圖像分類嗎？

• 【技術綜述】“看透”神經網絡

• 【技術綜述】人臉表情識別研究

• 【技術綜述】人臉年齡估計研究現狀

總結

以上是生活随笔為你收集整理的这便是有三AI一年的底蕴，那些5000粉丝1000阅读量的AI技术干货的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。