算法研究资源整理

首先介绍一下，图像/图形/视觉/机器学习领域的国际顶级年会有：ICCV（偏重算法理论的创新）;
ECCV; CVPR （偏重解决实际工程问题的创新，并且国人的文章占有比例逐年增加，推荐）; PAMI; SIGGRAPH; ACM TOG; ICML; NIPS。

个人总结，国际顶级会议/期刊论文 > 期刊论文（Journal paper）> 会议论文；越是好的文章，算法越简单，同时效果显著——简而言之，创新度大。如在“去雾霾”课题的研究中，Tang CVPR2009文章破除陈规，创新性地提出了图像固有的“黑通道”feature，这个发现使得后来此领域的算法设计工作变得简单又高效了。算法研究，是一个庞杂的学科，如果没有清晰的理论思路，熟悉的业务逻辑，同时兼顾实际工程的可行性，很多时候将会手足无措。学习算法是一个循序渐进的过程，我们借助巨人的视角看世界，不是为了旁门左道，而是应该拓宽视野，用辩证的思维取百家之长，寻找最合适的方法来解决实际中困扰我们的问题。下面给出一些我认为很好并且常用到的一些资源，分享给大家，希望对你有帮助。

质量高的国人blog有：

http://www.cvchina.info/ 关注CV最新资讯

http://cs.nju.edu.cn/zhouzh/index.htm 牛人周志华的blog，关注CV

http://www.csie.ntu.edu.tw/~cjlin/index.html 勤奋的台湾林智仁的blog

http://www.csie.ntu.edu.tw/~cjlin/liblinear/ 林教授写的线性分类器，适用于处理大数据

http://homes.cs.washington.edu/~tqchen/ 陈天奇的blog，关注机器学习(ML)

http://weibo.com/p/1005052397265244/wenzhang?from=page_100505_profile&wvr=6&mod=wenzhangmore 陈天奇写的机器学习入门科普系列文章（更新中）

http://web.stanford.edu/~yangyan/ 李扬彦的blog，关注图形学（CG）+三维视觉

算法理论+代码集合：

http://www.cnblogs.com/tornadomeet/archive/2012/05/24/2515980.html 网友收集的常用资源，一些关于机器学习（包含深度学习）的链接信息量大，质量高。而CV相关的资源只用看OpenCV官网就好了。

http://www.csee.wvu.edu/~xinl/source.html 国外西弗吉尼亚大学的li整体CV相关源码，持续更新中。

http://dataunion.org/?p=5044 想快速进入ML/人工智能(AI)的世界，各种学习资料和趣闻故事，这里搜罗的比较全。从感知器、神经网络、决策树、SVM、Adaboost、随机森林到深度学习。