微软开源计算机视觉专题库，含分类、检测、分割、关键点、跟踪、动作识别等主流方向
点击上方“AI算法与图像处理”，选择加"星标"或“置顶”
重磅干货，第一时间送达
来源：我爱计算机视觉
微软在计算机视觉研究领域一直非常活跃，尤其是国内的微软亚洲研究院诞生了诸如残差网络（ResNet）、Faster RCNN、高分辨率网络（HRNet）等影响巨大的算法。
微软从去年开源了 computervision-recipes 库，并不断增加新的功能，含大量的 state-of-the-art 算法实现，最近该库1.2版本发布，新增多目标跟踪算法FairMOT和动作识别算法 R(2+1)D 。
目前该库已经覆盖的计算机视觉方向包括图像分类、图像相似度计算、目标检测、物体及人体关键点检测、图像分割、动作识别、目标跟踪、拥挤人群计数等计算机视觉热门方向。
computervision-recipes 库使用 PyTorch Fast.ai 开发，提供了丰富的 Jupyter notebooks 手把手样例，方便学术研究和工程开发，即使是对计算机视觉了解甚少的人也可以很快上手。
图像分类，支持单目标和多目标分类：
图像相似度计算，在图像库中找到相似性高的物体，可用于图像检索：
BMVC 2019 论文
Classification is a Strong Baseline for Deep Metric Learning 效果
目标检测，支持Faster RCNN 和Mask RCNN算法：
物体及人体关键点检测：
Mask RCNN 检测结果
图像分割，UNet算法的分割结果：
动作识别，对视频中人物动作进行分类：
R(2+1)D算法效果
多目标跟踪：
FairMOT跟踪效果
拥挤人群计数：
Multi Column CNN 算法结果
该库样例丰富，使用简单，目前已经有超过4K星标，欢迎使用，也期待有更多实用CV算法加进来~
开源地址：
https://github.com/microsoft/computervision-recipes
下载1：动手学深度学习
在「AI算法与图像处理」公众号后台回复：动手学深度学习，即可下载547页《动手学深度学习》电子书和源码。该书是面向中文读者的能运行、可讨论的深度学习教科书，它将文字、公式、图像、代码和运行结果结合在一起。本书将全面介绍深度学习从模型构造到模型训练，以及它们在计算机视觉和自然语言处理中的应用。
个人微信（如果没有备注不拉群！） 请注明：地区+学校/企业+研究方向+昵称
