（1）
云从 上海交大 ECCV2018
http://openaccess.thecvf.com/content_ECCV_2018/papers/Yao_Feng_Joint_3D_Face_ECCV_2018_paper.pdf
人脸三维重建
特点：使用带权重的MSE，来突出特征
（2）
https://arxiv.org/pdf/1711.08996.pdf
Dense 3D Regression for Hand Pose Estimation
密集三维回归在手部姿态估计中的应用
特点：使用heatmap + vector fields做loss（l2_loss）
（3）
Focal Loss
https://arxiv.org/pdf/1708.02002.pdf
用于解决‘难易训练样本之间的权衡问题’，有的样本很容易学，于是权重就比较低，有些样本比较难学，于是权重就比较高。
（4）
微软亚研院 ICCV2017
可变性模板
https://arxiv.org/pdf/1703.06211.pdf
https://github.com/msracver/Deformable-ConvNets
提高CNN)对变换的建模能力
（5）
CVPR2019目标检测方法进展综述
https://mp.weixin.qq.com/s/trh23Bm9KlgV3Pz7H5NElw
（6）
CVPR2018最佳论文
https://arxiv.org/abs/1804.08328
提出了一种计算不同任务相似性的方法，以及利用不同任务相似性，在少量训练数据条件下进行多任务组合学习的分配方法。
https://zhuanlan.zhihu.com/p/38425434 （作者现身讲解）
（7）
3x3卷积+1x3卷积+3x1卷积==没有推理开销，却能提升性能
https://github.com/DingXiaoH/ACNet
如何评价 ICCV 2019 的论文接收结果？有哪些亮点论文？https://www.zhihu.com/question/336194144
（8）
校正元学习方法
针对噪声标签有很好的的效果
https://mp.weixin.qq.com/s/Ez0t9XtGyNOFjCT2emhXDg
一些概念的讲解
卷积与反卷积讲解
https://blog.csdn.net/xiaojiajia007/article/details/75041651
embedding features
https://rayhy.com/blog/20181123-什么是embedding-features/
可视化卷积层（热力图）
https://github.com/Ankush96/grad-cam.tensorflow
笔记：
BatchNorm是有一个参数，叫做momentum，用来调整新旧均值的比例，从而调整移动平均值的计算方式的。而问题来了，人家官方efficientdet用的tensorflow。。。tensorflow的momentum定义和pytorch不一样
经典的神经网络特点：
https://blog.csdn.net/weixin_44791964/article/details/106343014
1、利用残差神经网络增大神经网络的深度，通过更深的神经网络实现特征提取。
2、改变每一层提取的特征层数，实现更多层的特征提取，得到更多的特征，提升宽度。
3、通过增大输入图片的分辨率也可以使得网络可以学习与表达的东西更加丰富，有利于提高精确度。
Anchor讲解：
https://zhuanlan.zhihu.com/p/150332784