必備收藏！8500＋公開代碼論文，950多項機器學習任務最優結果匯總

新聞 02-03

新智元報道

來源：paperswithcode.com

編輯：肖琴

【新智元導讀】做AI研究，了解某個任務的「最先進技術」是必須的。本文介紹一個強大的網站，包含了950 單獨的ML任務，500 個排行榜，以及8500 篇公開了代碼的論文。趕緊收藏起來！

工欲善其事，必先利其器。

在人工智慧這個大熱領域，想要追蹤所有最新進展並不容易。

我們在去年介紹了Papers with Code這個網站，這是一個找到論文代碼的「神器」。它將 ArXiv 上的最新機器學習論文與 GitHub 上的代碼聯繫起來。這個項目索引了大約5 萬篇論文和 1 萬個 GitHub 庫，你可以按標題關鍵詞查詢，也可以按流行程度、GitHub 星星數排列「熱門研究」。

這個網站能讓你跟上 ML 社區流行的最新動態。

Paper with code趨勢

但是，僅僅能迅速瀏覽熱門研究並找到代碼還不夠，做某一領域的研究，先了解現在該領域的state-of-the-art技術是必要的。

好消息是，Papers with Code團隊剛剛發布了最新版本的Papers with Code網站。他們從龐大的資料庫中提取了950 單獨的ML任務，500 個評估表(包含SOTA結果)，以及8500 篇公開了代碼的論文。

傳送門：

https://paperswithcode.com/sota

網站上的所有內容都是可編輯的，網站上的tasks和sota數據對發現性研究和比較研究非常有用，甚至還可以發現一些以前不知道的研究瑰寶。

事不宜遲，讓我們趕快來試用一下！

網站將966個任務分為16個大類，分別是：

計算機視覺

自然語言處理

醫療

研究方法

雜類

語音

遊戲

圖(Graphs）

時間序列

音頻

機器人

音樂

推理

計算機編碼

知識庫

對抗性(Adversarial)

點開「計算機視覺」這個大類，又細分為幾十個小類任務。

讓我們以「語義分割」(Semantic Segmentation)這個任務為例。

語義分割這個任務是在pixel-level識別和理解圖像中的內容

這個任務下一共有299篇公開代碼的論文，9個leaderboards。

緊接著，可以按「Greatest」、「Latest」和「Without Code」對資料庫中的論文進行排序：

上面是按「Greatest」排序的前5篇論文，可以看到，ECCV 2018 的Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation這篇論文是 PASCAL VOC 2012上語義分割任務的SOTA，CVPR 2017的Pyramid Scene Parsing Network是Cityscapes上實時語義分割任務的SOTA，何愷明的Mask R-CNN是MHP v1.0上多人語義分割任務排名第2的模型。

一目了然！簡直太好用了！

再看幾個例子。

NLP的Language Modelling任務最近很火，網站匯總了8個leaderboards，221篇公開代碼的論文。