paper 94:视觉领域博客资源1之中国部分

paper 94:视觉领域博客资源1之中国部分

这是收录的图像视觉领域的博客资源的第一部分,包含:中国内地、香港、*

这些名人大家一般都熟悉,本文仅收录了包含较多资料的个人博客,并且有不少更新,还有些名人由于分享的paper、code或者数据集不多,暂时没收录了。

说明:

1)主要罗列有资源分享的博客,如果是该领域专家但资源分享较少,则未收录

2)排名按照字母顺序

3)主要按照博客的域名进行分类,不代表作者当前工作所在机构

4)欢迎补充更多的资源。

1  中国内地

1.1    程明明

清华大学程明明博士,南开大学媒体计算实验室

http://mmcheng.net/

方向:图像分割、检索,显著性计算,目标检测。

资源:Paper、Code、data。

更新:2015

1.2    冯建江

清华大学助理教授

http://ivg.au.tsinghua.edu.cn/~jfeng/

方向:图像处理、模式识别、生物认证

资源:Paper、Matlab code, C++ library, or executable file。

更新:2015

1.3    樊彬

中科院助理教授樊彬

http://www.sigvc.org/bfan/

方向:计算机视觉,局部不变特征。

资源:Paper、Code。

更新:2015

1.4    吴建鑫

南京大学教授,LAMDA group

http://cs.nju.edu.cn/wujx/

方向:大规模数据的机器学习算法、物体的实时检测与识别、人的行为识别、场景分类和理解、计算机视觉和机器学习在其他领域的应用

资源:Paper、Code、

更新:2015

1.5    Junjie Yan

http://www.cbsr.ia.ac.cn/users/jjyan/main.htm

方向:Object Detection, Face Detection, Pedestrian Detection

资源:Paper

更新:2015

1.6    余轶南

百度深度学习研究中心博士后(PASCAL VOC 2010 Detection Challenge Winner):

http://www.cbsr.ia.ac.cn/users/ynyu/index.htm

方向:Multiple Transform Estimation、Object Detection、Image Matching、Interest point detection、Image Classification and Object Recognition

资源:Paper

更新:2015

1.7    周志华

http://cs.nju.edu.cn/zhouzh/index.htm

南京大学教授

书籍:Ensemble Methods: Foundations and Algorithms。Ensemble Methods领域首屈一指,主要兴趣是机器学习,应用方面关注图像检索、人脸识别、数据挖掘等。负责LAMDA(Learning And Mining from DatA)

资源:Paper和课程,LAMDA有部分代码和数据

更新:2015

2   中国香港

2.1    贾佳亚

香港中文大学教授贾佳亚

http://www.cse.cuhk.edu.hk/~leojia/index.html

方向: computer vision, computational photography, and machine learning.

资源:Paper、项目

更新:2015

2.2    汤晓鸥

香港中文大学多媒体实验室(汤晓鸥)

http://mmlab.ie.cuhk.edu.hk/

方向:深度学习、人脸分析、视频监控、图像视觉搜索、图像视觉编辑、3D画直线

资源:Paper、dataset、项目

更新:2015

2.3    王晓刚

香港中文大学助理教授王晓刚

http://www.ee.cuhk.edu.hk/~xgwang/

方向:computer vision, medical imaging, machine learning, and applications to visual surveillance, face recognition, image and video searching, and diffusion weighted imaging

资源:Paper、dataset

更新:2014

2.4    张磊

香港理工大学教授张磊

http://www4.comp.polyu.edu.hk/~cslzhang/
方向:图像质量、Metric Learning 等

资源:Paper、code

更新:2015

3   中国*

3.1    Chih-Chung Chang and Chih-Jen Lin

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

方向:著名的svm库,OpenCV采用的svm算法

资源:Paper、code

更新:2014

上一篇:Linux学习1——首次登录


下一篇:sed和awk用法