史上最全AI开源项目集结,近万篇附代码的论文分门别类整理好

郭一璞 发自 上郡 量子位 报道 | 公众号 QbitAI

“Amazing!”

“Awesome!”

“Fantastic!”

这个资源一经分享出来,Twitter的评论区就成了“大型英文赞美词汇堆叠现场”,几千人争相转发点赞,甚至有人赞美其“仿佛是天堂”。

原来,这是一个大型AI界资源集合现场,名叫Papers with Code,内容正如其名,将所有的领域、任务一一对应,亮出了不同任务、不同数据集上的排行榜,重点是,每个项目都直接附上了论文和开源地址链接

也就是说,你想要研究学习哪个领域,就直接在网站上根据目录找就可以了,并且包含所有你需要的主流数据集上的成果,还有前辈们研究过的那些影响力巨大的项目。

并且,这个网站收录的项目数量不少,还一直在增加。

截至量子位发稿,网站一共收录了9205篇带有开源代码的论文,712个数据集,979个不同的任务,还有530个任务的排行榜。

整个网站中,包含计算机视觉、NLP、医学医药、语音、游戏、机器人等16个大类。

其中,计算机视觉类就有555个不同的任务,囊括了语义分割、图像分类、图像生成、姿态识别等超过180个类别。

比如,我们打开语义分割(Semantic Segmentation),就可以看到不同数据集上表现最好的项目,可以直接传送到论文和GitHub代码页面。

每个数据集点开之后,还可以看到自从这个数据集面试以来,各家的研究不断刷新纪录的历史进程。

下面还有该数据集上的排行榜,依然是每个项目所用到的方法、成绩、出现的年份、论文和GitHub代码应有尽有。

另外,在语义分割的页面上,你还可以看到语义分割的几个子任务。

以及这个领域里史上最优秀的几个标志性的项目,每个都标注了它是在哪个数据集上、取得了怎样好的成绩。同样附带了论文和代码,甚至连GitHub的标星数都写好了。

注意右上角,如果这些标志性的项目你已经烂熟于心,还可以切换成时间排序,寻找最新的项目,或者是关注一下那些尚未公布开源代码的项目。

好啦,现在,你可以根据这个网站提供的项目列表和排行榜,制定自己啃论文的计划啦~

传送门

https://paperswithcode.com/sota

原文发布于微信公众号 - 量子位(QbitAI)

原文发表时间:2019-02-03

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券