fregu856/papers

I categorize, annotate and write comments for all research papers I read (600+ papers since 2018).

해결하는 문제

많은 연구 논문을 읽는 것은 어렵습니다. 이 프로젝트는 읽은 내용을 카테고리와 개인 코멘트와 함께 추적할 수 있는 구조화된 방법을 제공하여 검토와 회상을 더 쉽게 만듭니다.

작동 방식

저자는 각 논문에 날짜, 논문 번호, 제목, PDF 링크 및 주석이 달린 PDF, 발표 장소와 연도, 카테고리를 포함한 목록을 유지합니다. 각 항목에는 논문 요약과 저자의 생각을 정리한 개인 코멘트가 포함됩니다. 논문은 연도별로 정리되며 필터링을 위한 카테고리 목록이 있습니다.

대상 독자

이것은 주로 저자의 개인 참고 자료이지만 공개적으로 제공되며, 경험 많은 연구자가 논문을 읽고 평가하는 방법을 보고 싶어하는 연구자와 학생에게 리소스가 될 수 있습니다.

하이라이트

  • 2018년 이후 550개 이상의 논문을 읽고 주석을 달았습니다.
  • 논문은 38개의 카테고리로 정리되어 많은 ML 및 헬스케어 주제를 다룹니다.
  • 각 항목에는 논문 링크, 주석이 달린 PDF, 개인 코멘트가 포함됩니다.
  • 저자는 300편의 논문 읽기에 관한 블로그 게시물에서 실용적인 팁을 공유합니다.

관련

  • 프로젝트
    yandexdataschool/deep_vision_and_graphics

    Yandex 데이터 분석 학교의 컴퓨터 비전 딥러닝 응용 강의 저장소로, 컨볼루션 네트워크부터 확산 모델 및 신경 렌더링까지 다루는 주간 강의, 세미나, 과제를 포함합니다.

  • 프로젝트
    ZZZHANG-jx/Recommendations-Document-Image-Processing

    이 저장소는 문서 이미지 처리를 위한 학술 논문, 데이터셋, 벤치마크 결과를 체계적으로 정리한 모음집으로, 그림자 제거, 왜곡 보정, 블러 제거, 외관 향상 등의 작업을 다룹니다. 촬영된 문서를 깔끔하게 정리하기 위해 최신 기법을 이해하거나 적용하려는 연구자와 개발자를 위한 참조 허브 역할을 합니다.

  • 프로젝트
    ilastik/ilastik

    세포 및 기타 실험 이미지 데이터의 세그멘테이션, 분류, 추적, 카운팅을 위한 인터랙티브 기계학습 툴킷입니다.

  • 프로젝트
    qurator-spk/eynollah

    Eynollah is a Python library and command‑line tool for deep‑learning based document layout analysis, image binarization, enhancement, OCR, and reading‑order detection. It supports 10 layout classes, offers both CNN‑RNN and Transformer OCR models, outputs PAGE‑XML, and can be installed via PyPI or Docker. Pre‑trained ONNX models enable fast inference; full TensorFlow/PyTorch checkpoints are available for fine‑tuning. The project targets high‑quality processing of historical and heterogeneous scanned documents.