大海

整理一些基于内容的图像检索（Content-Based Image Retrieval, CBIR）相关的文章、论文和实现

原文地址：Deep Learning for Content-Based Image Retrieval: A Comprehensive Study

一直以来都有在思考自己在软件/算法开发的道路上应该怎么走下去，已经学习了很多的内容，也参与了很多项目的开发，但是总感觉有更多的知识点、更多的项目难题等着我去完成。工作压力越来越大，也在渐渐的磨灭自己对于编程的热情。

前几天跑步的时候突然想到一句话：君子不器，随后联想到器、术、法的概念，刚好能够跟自己对于知识、技能和能力的理解结合起来。

原文地址：A ConvNet for the 2020s

官方实现：facebookresearch/ConvNeXt

原文地址：EfficientNetV2: Smaller Models and Faster Training

官方实现：google/automl

Pytorch实现：d-li14/efficientnetv2.pytorch

原文地址：RandAugment: Practical automated data augmentation with a reduced search space

官方实现：tensorflow/tpu

Pytorch实现：pytorch/vision

原文地址：Higher accuracy on vision models with EfficientNet-Lite

官方实现：EfficientNet-lite

原文地址：EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks

Pytorch实现：lukemelas/EfficientNet-PyTorch

集成地址：ZJCV/ZCls

原文地址：Model Rubik's Cube: Twisting Resolution, Depth and Width for TinyNets

官方实现：huawei-noah/CV-Backbones

模型能否作用于Open-set，是目标分类和度量学习的主要区别。