对于我来说，一直保持的追求有三点：技术、快乐、财富。因此，从此三点出发，记录过去一周，我所看到的，值得分享的内容，每周五把欢乐送达。
技术
1、Anime4K
Anime4K 是实时超分辨率方法，应用于动画场景。
动画没有真实视频那么多纹理 ，基本都是用平直着色法处理的物体和线条。所以对于动画的超分辨率方法，可以专注于细化边缘，细节的纹理不用强求。画质只要变好一点点，观众也是很容易看出来的。
Anime4K 算法就是采用这种思想，做到实时处理动画图片的。Anime4K 可以在动画播放过程中，实时将画面分辨率提高到 4K ，而每帧的耗时只需3毫秒。
项目地址：点击查看
2、ALBERT
ALBERT是Google研究的轻量级NLP模型，论文投在了ICLR 2020。
该模型，比BERT-large参数更少，却在GLUE、RACE和SQuAD三大NLP基准测试中取得第一。
ALBERT又叫A LITE BERT，顾名思义就是一个轻量级的BERT模型。
ALBERT结合了两种参数约简技术，消除了在扩展预训练模型时的主要障碍。
第一个技术是对嵌入参数化进行因式分解；第二种技术是跨层参数共享。
这两种方法都在不严重影响性能的前提下，显著减少了BERT的参数数量，从而提高了参数效率。ALBERT的配置类似BERT-large，但参数量少了18倍，并且训练速度快1.7倍。
论文已经有大佬复现，并提供了中文版的预训练模型。
项目地址：点击查看
3、YOLO Nano
近期，目标检测研究者提出了一个名为YOLO Nano的目标检测算法，YOLO Nano大小只有4.0MB左右，比Tiny YOLOv2和Tiny YOLOv3分别小了15.1倍和8.3倍，性能却有较为显著的提升。
在VOC2007数据集取得了69.1%的mAP，准确率比后两者分别提升了12 个点和10.7个点。
研究者还在Jetson AGX Xavier嵌入式模块上，用不同的能源预算进行了测试，进一步说明YOLO Nano非常适合边缘设备与移动端。
YOLO Nano的效果应该不错，但代码暂时没有放出，有兴趣的可以试着自己复现一下。当然，也可以持续关注，等等其他人的开源代码。
论文地址：点击查看
4、nlp-roadmap
萌新想把自己修炼成一个成熟的NLP程序员，要走怎样的一条路？
Tae-Hwan Jung为我们做了一份完整的思维导图，从基础概念开始，到NLP的常用方法和著名算法，知识点全面覆盖。
一共有四个板块：
- 概率&统计
- 机器学习
- 文本挖掘
- 自然语言处理
比如概率&统计涵盖以下内容：
这是一个不错的思维导图，可以帮助我们系统地、快速的过每一个知识点，想学习NLP的朋友不容错过。
项目地址：点击查看
5、Kornia
Kornia 是建立在Pytorch之上的可微分计算机视觉库，它使用Pytorch作为主要后端，并高效地利用反向模式自动微分机制来定义并计算复杂函数的梯度。
受OpenCV的启发，Kornia由包含各种运算子的子集包组成，这些运算子可以插入到神经网络中，可以在训练中执行图像转换、对极几何、深度估计和各种底层图像处理，例如直接在张量上进行滤波和边缘检测等操作。
项目地址：点击查看
6、Towards-Realtime-MOT
相对业界研究比较多的单目标跟踪，多目标跟踪（MOT）系统在实际项目中应用场景更多。
Towards-Realtime-MOT是一个针对多目标的实时跟踪算法，该算法比实时单目标跟踪DeepSort算法，速度更快，精度更高。
算法运行速度取决于输入分辨率，可以达到18.8至24.1 FPS。同时，其跟踪准确性可与采用独立检测和嵌入（SDE）学习的最新跟踪器相媲美。
项目地址：点击查看
7、深度强化学习
想学习深度强化学习，可以看看UC伯克利的秋季课程：Deep Reinforcement Learning，课程代号CS 285。
深度强化学习，是人工智能发展的重大方向之一，备受各大科研机构与公司青睐，也被一干业内大佬认为是实现通用人工智能最有可能的路径。
在这门课程中，Sergey Levine教授将会对深度强化学习的理解基础、实现方式以及核心算法进行深入的讲解，一共22讲，并布置相应的作业（代码会在GitHub上放出）巩固学习内容。
英语好的朋友，可以看一看。
项目地址：点击查看
视频地址：点击查看
快乐
1、网红少女心的小猪煲
2、二八大杠
骑过坐过二八大杠的，现在都多少岁了？
财富
还有一个月双十一，我却已经想好买什么了。
在购物前，我经常会想：
- 各大电商平台，哪家卖的最便宜？
- 商品的历史价格是什么样的？
如果你跟我有一样的想法，那么推荐你一款查询工具：慢慢买。
工具地址：点击查看
想要对比各大电商的价格，比如我想买个极米的Z6X投影仪，直接搜索即可：
在搜索结果中，你就可以看到商品在各个电商平台的价格了。
还有一个比较有用的功能就是历史价格查询，通过商品的链接（url）即可查询：
信息有一定的参考价值，感兴趣的朋友可以体验体验，有类似功能的APP还有很多，例如喵喵折、比一比价、历史价格查询等。
最后
本周的程序员欢乐送，到此结束，下周再会。
来源：
https://cuijiahua.com/blog/2019/10/life-45.html
