大海

原文地址：Visual Instance Retrieval with Deep Convolutional Networks

原文地址：Breaking Down Mean Average Precision (mAP)

最近在学习关于图像检索领域的评判指标，发现用的就是PR曲线以及mAP评估。不过在具体的精度和召回率定义上和之前目标检测任务中的计算方式会有差别。wiki上的相关文档：Evaluation measures (information retrieval)，内容比较难以理解，在网上找到这篇文章，整体看下来发现干货满满，没有需要精简的地方，所以打算整篇翻译成中文，方便日后回顾。

原文地址：Deep Learning of Binary Hash Codes for Fast Image Retrieval

官方实现：kevinlin311tw/caffe-cvprw15

Pytorch实现：

• dingmyu/Pytorch-Image-Retrieval
• flyingpot/pytorch_deephash

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