Như tít, noi gương mai pen ở topic
https://voz.vn/t/chia-se-lo-trinh-ielts-7-cho-vozer-de-hoc.339522/page-7#post-14437273,
mình quyết định lập topic này để review, đọc, phân tích, và giải thích những bài báo SOTA trong lĩnh vực AI và computer vision. Mong được các anh chị em ủng hộ, góp ý, thảo luận.
Những ai làm computer vision mảng application hoặc nghiên cứu đều biết literature review là 1 công việc quan trọng trước khi xây dựng ứng dụng.
Mục đích của topic:
- Review những paper kinh điển, phải biết trong lĩnh vực, vì những công nghệ trong những bài báo này thường được sử dụng, hoặc thường dc làm benchmark trong các task, hoặc là cơ sở để build những model SOTA hiện tại.
- Phân tích phương pháp tiếp cận toán học của paper 1 cách trực quan, dễ hiểu (thường mọi người hay ngán đọc báo do cách viết khó hiểu và toán học lằng nhằng)
- Nhận xét ưu, khuyết điểm của mô hình, và 1 số flaws in research của author
- Trải nghiệm thực tế, code implementation (nếu có thể)
Mình sẽ cố gắng lên 1-2 bài/tuần, danh sách các topic mình sẽ review:
1. AI in deconvolution: ứng dụng zoom ảnh siêu to (super-resolution), phục hồi ảnh mờ (deblur), phục hồi ảnh bị che (uncensor) với deep learning.
1 số thành quả của em:
Ảnh gốc bị mờ: Chưa đem vào huấn luyện bao giờ
Model output:
Với ảnh màu:
Part 1: Xây dựng mô hình CNN deblur ảnh :
2. Deep Learning with Transformer in Computer Vision (SOTA năm 2020)
3. Self-supervised segmentation, self-supervised face recognition using classical algorithms (eigenfaces, Chan-vese)
4. Deep Learning in scene text recognition
5. Deep Learning in Motion Transfer (HOT)
6. Classical models: resnet, SE-Resnet, cơ sở toán học của PCA, decision boundaries, polyminal regression, feature selection methods...
Mỗi topic mình sẽ review 2-3 bài, nếu mọi người có suggest thì cứ comment topic + paper.
Paper đầu tiên về deblur mình sẽ update trong tuần này.