本篇博客的目地，是对工作学习过程中所遇所见的一些有关深度学习、机器学习的优质资源，作分类汇总，方便自己查阅，也方便他人学习借用。
主要会涉及一些优质的理论书籍和论文、一些实惠好用的工具库和开源库、一些供入门该理论入门所用的demo等等。
由于本博客将不定期更新，尽量将较为前沿的深度学习、机器学习内容整理下来，需要转载的同学尽量附上本文的链接，方便获得最新的内容。
DetectionResults:VOC2012
DeepNeuralNetworksforObjectDetection
OverFeat:IntegratedRecognition,LocalizationandDetectionusingConvolutionalNetworks
Richfeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentation
ScalableObjectDetectionusingDeepNeuralNetworks
Scalable,High-QualityObjectDetection
SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognition
DeepID-Net:DeformableDeepConvolutionalNeuralNetworksforObjectDetection
ObjectDetectorsEmergeinDeepSceneCNNs
segDeepM:ExploitingSegmentationandContextinDeepNeuralNetworksforObjectDetection
ObjectDetectionNetworksonConvolutionalFeatureMaps
ImprovingObjectDetectionwithDeepConvolutionalNetworksviaBayesianOptimizationandStructuredPrediction
FastR-CNN
DeepBox:LearningObjectnesswithConvolutionalNetworks
Objectdetectionviaamulti-region&semanticsegmentation-awareCNNmodel
FasterR-CNN:TowardsReal-TimeObjectDetectionwithRegionProposalNetworks
FasterR-CNNinMXNetwithdistributedimplementationanddataparallelization
ContextualPrimingandFeedbackforFasterR-CNN
AnImplementationofFasterRCNNwithStudyforRegionSampling
YouOnlyLookOnce:Unified,Real-TimeObjectDetection
darkflow-translatedarknettotensorflow.Loadtrainedweights,retrain/fine-tunethemusingtensorflow,exportconstantgraphdeftoC++
StartTrainingYOLOwithOurOwnData
R-CNNminusR
AttentionNet:AggregatingWeakDirectionsforAccurateObjectDetection
DenseBox:UnifyingLandmarkLocalizationwithEndtoEndObjectDetection
SSD:SingleShotMultiBoxDetector
Inside-OutsideNet:DetectingObjectsinContextwithSkipPoolingandRecurrentNeuralNetworks
AdaptiveObjectDetectionUsingAdjacencyandZoomPrediction
G-CNN:anIterativeGridBasedObjectDetector
FactorsinFinetuningDeepModelforobjectdetection
FactorsinFinetuningDeepModelforObjectDetectionwithLong-tailDistribution
Wedon’tneednobounding-boxes:Trainingobjectclassdetectorsusingonlyhumanverification
HyperNet:TowardsAccurateRegionProposalGenerationandJointObjectDetection
AMultiPathNetworkforObjectDetection
CRAFTObjectsfromImages
TrainingRegion-basedObjectDetectorswithOnlineHardExampleMining
TrackandTransfer:WatchingVideostoSimulateStrongHumanSupervisionforWeakly-SupervisedObjectDetection
ExploitAlltheLayers:FastandAccurateCNNObjectDetectorwithScaleDependentPoolingandCascadedRejectionClassifiers
R-FCN:ObjectDetectionviaRegion-basedFullyConvolutionalNetworks
Weaklysupervisedobjectdetectionusingpseudo-stronglabels
Recycledeepfeaturesforbetterobjectdetection
AUnifiedMulti-scaleDeepConvolutionalNeuralNetworkforFastObjectDetection
Multi-stageObjectDetectionwithGroupRecursiveLearning
Subcategory-awareConvolutionalNeuralNetworksforObjectProposalsandDetection
PVANET:DeepbutLightweightNeuralNetworksforReal-timeObjectDetection
PVANet:LightweightDeepNeuralNetworksforReal-timeObjectDetection
GatedBi-directionalCNNforObjectDetection
CraftingGBD-NetforObjectDetection
StuffNet:Using‘Stuff’toImproveObjectDetection
GeneralizedHaarFilterbasedDeepNetworksforReal-TimeObjectDetectioninTrafficScene
HierarchicalObjectDetectionwithDeepReinforcementLearning
Learningtodetectandlocalizemanyobjectsfromfewexamples
Speed/accuracytrade-offsformodernconvolutionalobjectdetectors
SqueezeDet:Unified,Small,LowPowerFullyConvolutionalNeuralNetworksforReal-TimeObjectDetectionforAutonomousDriving
FeaturePyramidNetworksforObjectDetection
Action-DrivenObjectDetectionwithTop-DownVisualAttentions
BeyondSkipConnections:Top-DownModulationforObjectDetection
YOLO9000:Better,Faster,Stronger
Yolo_mark:GUIformarkingboundedboxesofobjectsinimagesfortrainingYolov2
DSSD:DeconvolutionalSingleShotDetector
Wide-Residual-InceptionNetworksforReal-timeObjectDetection
AttentionalNetworkforVisualObjectDetection
LearningChainedDeepFeaturesandClassifiersforCascadeinObjectDetection
DeNet:ScalableReal-timeObjectDetectionwithDirectedSparseSampling
A-Fast-RCNN:HardPositiveGenerationviaAdversaryforObjectDetection
DiscriminativeBimodalNetworksforVisualLocalizationandDetectionwithNaturalLanguageQueries
SpatialMemoryforContextReasoninginObjectDetection
ImprovingObjectDetectionWithOneLineofCode
AccurateSingleStageDetectorUsingRecurrentRollingConvolution
DeepOcclusionReasoningforMulti-CameraMulti-TargetDetection
LearningObjectClassDetectorsfromWeaklyAnnotatedVideo
Analysingdomainshiftfactorsbetweenvideosandimagesforobjectdetection
VideoObjectRecognition
DeepLearningforSaliencyPredictioninNaturalVideo
T-CNN:TubeletswithConvolutionalNeuralNetworksforObjectDetectionfromVideos
ObjectDetectionfromVideoTubeletswithConvolutionalNeuralNetworks
ObjectDetectioninVideoswithTubeletsandMulti-contextCues
ContextMatters:RefiningObjectDetectioninVideowithRecurrentNeuralNetworks
CNNBasedObjectDetectioninLargeVideoImages
ObjectDetectioninVideoswithTubeletProposalNetworks
Flow-GuidedFeatureAggregationforVideoObjectDetection
VideoObjectDetectionusingFasterR-CNN
Vote3Deep:FastObjectDetectionin3DPointCloudsUsingEfficientConvolutionalNeuralNetworks
LearningRichFeaturesfromRGB-DImagesforObjectDetectionandSegmentation
DifferentialGeometryBoostsConvolutionalNeuralNetworksforObjectDetection
ASelf-supervisedLearningSystemforObjectDetectionusingPhysicsSimulationandMulti-viewPoseEstimation
Thistaskinvolvespredictingthesalientregionsofanimagegivenbyhumaneyefixations.
BestDeepSaliencyDetectionModels(CVPR2016&2015)
Large-scaleoptimizationofhierarchicalfeaturesforsaliencypredictioninnaturalimages
PredictingEyeFixationsusingConvolutionalNeuralNetworks
SaliencyDetectionbyMulti-ContextDeepLearning
DeepSaliency:Multi-TaskDeepNeuralNetworkModelforSalientObjectDetection
SuperCNN:ASuperpixelwiseConvolutionalNeuralNetworkforSalientObjectDetection
ShallowandDeepConvolutionalNetworksforSaliencyPrediction
RecurrentAttentionalNetworksforSaliencyDetection
Two-StreamConvolutionalNetworksforDynamicSaliencyPrediction
UnconstrainedSalientObjectDetection
UnconstrainedSalientObjectDetectionviaProposalSubsetOptimization
DHSNet:DeepHierarchicalSaliencyNetworkforSalientObjectDetection
SalientObjectSubitizing
Deeply-SupervisedRecurrentConvolutionalNeuralNetworkforSaliencyDetection
SaliencyDetectionviaCombiningRegion-LevelandPixel-LevelPredictionswithCNNs
EdgePreservingandMulti-ScaleContextualNeuralNetworkforSalientObjectDetection
ADeepMulti-LevelNetworkforSaliencyPrediction
VisualSaliencyDetectionBasedonMultiscaleDeepCNNFeatures
ADeepSpatialContextualLong-termRecurrentConvolutionalNetworkforSaliencyDetection
Deeplysupervisedsalientobjectdetectionwithshortconnections
WeaklySupervisedTop-downSalientObjectDetection
SalGAN:VisualSaliencyPredictionwithGenerativeAdversarialNetworks
VisualSaliencyPredictionUsingaMixtureofDeepNeuralNetworks
AFastandCompactSalientScoreRegressionNetworkBasedonFullyConvolutionalNetwork
SaliencyDetectionbyForwardandBackwardCuesinDeep-CNNs
SupervisedAdversarialNetworksforImageSaliencyDetection
DeepLearningForVideoSaliencyDetection
VisualRelationshipDetectionwithLanguagePriors
ViP-CNN:AVisualPhraseReasoningConvolutionalNeuralNetworkforVisualRelationshipDetection
VisualTranslationEmbeddingNetworkforVisualRelationDetection
DeepVariation-structuredReinforcementLearningforVisualRelationshipandAttributeDetection
DetectingVisualRelationshipswithDeepRelationalNetworks
Multi-viewFaceDetectionUsingDeepConvolutionalNeuralNetworks
FromFacialPartsResponsestoFaceDetection:ADeepLearningApproach
CompactConvolutionalNeuralNetworkCascadeforFaceDetection
FaceDetectionwithEnd-to-EndIntegrationofaConvNetanda3DModel
CMS-RCNN:ContextualMulti-ScaleRegion-basedCNNforUnconstrainedFaceDetection
FindingTinyFaces
TowardsaDeepLearningFrameworkforUnconstrainedFaceDetection
SupervisedTransformerNetworkforEfficientFaceDetection
UnitBox:AnAdvancedObjectDetectionNetwork
BootstrappingFaceDetectionwithHardNegativeExamples
GridLoss:DetectingOccludedFaces
AMulti-ScaleCascadeFullyConvolutionalNetworkFaceDetector
JointFaceDetectionandAlignmentusingMulti-taskCascadedConvolutionalNetworks
JointFaceDetectionandAlignmentusingMulti-taskCascadedConvolutionalNeuralNetworks
FaceDetectionusingDeepLearning:AnImprovedFasterRCNNApproach
Faceness-Net:FaceDetectionthroughDeepFacialPartResponses
Multi-PathRegion-BasedConvolutionalNeuralNetworkforAccurateDetectionofUnconstrained“HardFaces”
End-To-EndFaceDetectionandRecognition
DeepConvolutionalNetworkCascadeforFacialPointDetection
FacialLandmarkDetectionbyDeepMulti-taskLearning
ARecurrentEncoder-DecoderNetworkforSequentialFaceAlignment
Detectingfaciallandmarksinthevideobasedonahybridframework
DeepConstrainedLocalModelsforFacialLandmarkDetection
Effectivefacelandmarklocalizationviasingledeepnetwork
AConvolutionTreewithDeconvolutionBranches:ExploitingGeometricRelationshipsforSingleShotKeypointDetection
End-to-endpeopledetectionincrowdedscenes
DetectingPeopleinArtworkwithCNNs
DeepMulti-cameraPeopleDetection
Context-awareCNNsforpersonheaddetection
PedestrianDetectionaidedbyDeepLearningSemanticTasks
DeepLearningStrongPartsforPedestrianDetection
Deepconvolutionalneuralnetworksforpedestriandetection
Scale-awareFastR-CNNforPedestrianDetection
Newalgorithmimprovesspeedandaccuracyofpedestriandetection
PushingtheLimitsofDeepCNNsforPedestrianDetection
AReal-TimeDeepLearningPedestrianDetectorforRobotNavigation
AReal-TimePedestrianDetectorusingDeepLearningforHuman-AwareNavigation
IsFasterR-CNNDoingWellforPedestrianDetection
ReducedMemoryRegionBasedDeepConvolutionalNeuralNetworkDetection
FusedDNN:Adeepneuralnetworkfusionapproachtofastandrobustpedestriandetection
MultispectralDeepNeuralNetworksforPedestrianDetection
ExpectingtheUnexpected:TrainingDetectorsforUnusualPedestrianswithAdversarialImposters
DAVE:AUnifiedFrameworkforFastVehicleDetectionandAnnotation
EvolvingBoxesforfastVehicleDetection
Traffic-SignDetectionandClassificationintheWild
Holistically-NestedEdgeDetection
UnsupervisedLearningofEdges
PushingtheBoundariesofBoundaryDetectionusingDeepLearning
ConvolutionalOrientedBoundaries
ConvolutionalOrientedBoundaries:FromImageSegmentationtoHigh-LevelTasks
RicherConvolutionalFeaturesforEdgeDetection
ObjectSkeletonExtractioninNaturalImagesbyFusingScale-associatedDeepSideOutputs
DeepSkeleton:LearningMulti-taskScale-associatedDeepSideOutputsforObjectSkeletonExtractioninNaturalImages
SRN:Side-outputResidualNetworkforObjectSymmetryDetectionintheWild
DeepFruitDetectioninOrchards
ImageSegmentationforFruitDetectionandYieldEstimationinAppleOrchards
Objectsascontextforpartdetection
DeepDeformationNetworkforObjectLandmarkLocalization
FashionLandmarkDetectionintheWild
DeepLearningforFastandAccurateFashionItemDetection
OSMDeepOD-OSMandDeepLearningbasedObjectDetectionfromAerialImagery(formerlyknownas“OSM-Crosswalk-Detection”)
SelfieDetectionbySynergy-ConstraintBasedConvolutionalNeuralNetwork
AssociativeEmbedding:End-to-EndLearningforJointDetectionandGrouping
DeepCuboidDetection:Beyond2DBoundingBoxes
AutomaticModelBasedDatasetGenerationforFastandAccurateCropandWeedsDetection
DeepLearningLogoDetectionwithDataExpansionbySynthesisingContext
Pixel-wiseEarDetectionwithConvolutionalEncoder-DecoderNetworks
AutomaticHandgunDetectionAlarminVideosUsingDeepLearning
DeepProposal:HuntingObjectsbyCascadingDeepConvolutionalLayers
Scale-awarePixel-wiseObjectProposalNetworks
AttendRefineRepeat:ActiveBoxProposalGenerationviaIn-OutLocalization
LearningtoSegmentObjectProposalsviaRecursiveNeuralNetworks
LearningDetectionwithDiverseProposals
ScaleNet:GuidingObjectProposalGenerationinSupermarketsandBeyond
ImprovingSmallObjectProposalsforCompanyLogoDetection
BeyondBoundingBoxes:PreciseLocalizationofObjectsinImages
WeaklySupervisedObjectLocalizationwithMulti-foldMultipleInstanceLearning
WeaklySupervisedObjectLocalizationUsingSizeEstimates
ActiveObjectLocalizationwithDeepReinforcementLearning
Localizingobjectsusingreferringexpressions
LocNet:ImprovingLocalizationAccuracyforObjectDetection
LearningDeepFeaturesforDiscriminativeLocalization
ContextLocNet:Context-AwareDeepNetworkModelsforWeaklySupervisedLocalization
ConvolutionalFeatureMaps:Elementsofefficient(andaccurate)CNN-basedobjectdetection
TowardsGoodPracticesforRecognition&Detection
TensorBox:asimpleframeworkfortrainingneuralnetworkstodetectobjectsinimages
Objectdetectionintorch:Implementationofsomeobjectdetectionframeworksintorch
UsingDIGITStotrainanObjectDetectionnetwork
FCN-MultiBoxDetector
KittiBox:AcardetectionmodelimplementedinTensorflow.
BeaverDam:Videoannotationtoolfordeeplearningtraininglabels
ConvolutionalNeuralNetworksforObjectDetection
Introducingautomaticobjectdetectiontovisualsearch(Pinterest)
DeepLearningforObjectDetectionwithDIGITS
AnalyzingThePapersBehindFacebook’sComputerVisionApproach
EasilyCreateHighQualityObjectDetectorswithDeepLearning
HowtoTrainaDeep-LearnedObjectDetectionModelintheMicrosoftCognitiveToolkit
ObjectDetectioninSatelliteImagery,aLowOverheadApproach
YouOnlyLookTwice—Multi-ScaleObjectDetectioninSatelliteImageryWithConvolutionalNeuralNetworks
FasterR-CNNPedestrianandCarDetection
SmallU-Netforvehicledetection
Regionofinterestpoolingexplained
DeepLearning（深度学习）：
MachineLearning（机器学习）：
国外技术团队博客：
ComputerVision（计算机视觉）：
2012年7月4日随着opencv2.4.2版本的发布，opencv更改了其最新的官方网站地址。
好像12年才有这个论坛的，比较新。里面有针对《learningopencv》这本书的视频讲解，不过视频教学还没出完，正在更新中。对刚入门学习opencv的人来说很不错。
opencv中文论坛，对于初次接触opencv的学者来说比较不错，入门资料多，opencv的各种英文文档也翻译成中文了。不足是感觉这个论坛上发帖提问很少人回答，也就是说讨论不够激烈。
opencv的日文网站，里面有不少例子代码，看不懂日文可以用网站自带的翻译，能看个大概。
opencv版本发布地方。
opencv版本内容更改日志网页,前面那个网页更新最快。
opencv中文教程网页，分几个模块讲解，有代码有过程。内容是网友翻译opencv自带的doc文件里的。
网友总结的常用带有cvpr领域常见算法code链接的网址，感觉非常的不错。
该网站可以查看opencv中一些函数的变量接口，还会列出函数之间的结构图。
opencv的函数、类等查找网页，有导航，查起来感觉不错。
优化：
数学：
《计算机中的数学》系列视频，8位老师10讲内容，生动介绍微积分和线性代数基本概念在计算机学科中的各种有趣应用！
Linux学习资料：
网友晨宇思远的博客，主攻cvpr，ai等。
kinect和openni学习资料汇总。
OpenCV计算机视觉kinect的博客:
体感游戏中文网，有不少新的kinect资讯。
Kinect体感开发网。
openni_hand_trackinggooglecode项目。
kinect新的库，可以结合OpenNI使用。
kinect手势识别网站。
kinect2012年度最具创新的6个项目，有视频，确实够创新的！
kinect多点触控的一篇博文。
有关matlabforkinect的一些接口。
AIR和Kinect的结合，有一些手指跟踪的code。
研究kinect手势识别的，任洲。刚毕业不久。
其他网友cvpr领域的链接总结：
网友整理常用牛人链接总结，非常多。不过个人没有没有每个网站都去试过。所以本文也是我自己总结自己曾经用过的或体会过的。
OpenGL有关:
NeHe的OpenGL教程英文版。
NeHe的OpenGL教程对应的中文版，由网友周玮翻译的。
NeHe的OpengGL对应的Qt版中文教程。
网友"左脑设计，右脑编程"的Qt_OpenGL博客,写得还不错。
这个博客对opengl的机制有所剖析，貌似要FQ才能进去。
cvpr综合网站论坛博客等：
中国计算机视觉论坛
这个博客很不错，每次看完都能让人兴奋，因为有很多关于cv领域的科技新闻，还时不时有视频显示。另外这个博客里面的资源也整理得相当不错。中文的。
一位网友的个人计算机视觉博客，有很多关于计算机视觉前沿的东西介绍，与上面的博客一样，看了也能让人兴奋。
牛人博客，主攻数据结构，机器学习数据挖掘算法等。
该网友上面有一些计算机视觉方向的博客,博客中附有一些实验的测试代码.
做网络和自然语言处理的，有不少机器学习方面的介绍。
ML常用博客资料等：
里面包含学ML/DM所需要的一些知识链接，且有些给出了视频教程，网页资料，电子书，开源code等，推荐！
里面有一些常见机器学习算法的详细推导过程。
无垠天空的机器学习博客。
机器学习挑战赛。
licstar的技术博客，偏自然语言处理方向。
国内科研团队和牛人网页：
李子青教授个人主页，中科院自动化所cvpr领域牛叉人！
香港理工大学教授leizhang个人主页，也是cvpr领域一大牛人啊，cvpr，iccv各种发表。更重要的是他所以牛叉论文的code全部公开，非常难得！
中法信息、自动化与应用联合实验室，里面很多内容不仅限而cvpr，还有ai领域一些其他的研究。
厦门大学特聘教授，cv领域一位牛人。研究方向主要为目标检测，目标跟踪，运动估计，三维重建，鲁棒统计学，光流计算等。
北京大学数字视频编码技术国家实验室。
libsvm项目网址，台湾大学的，很火！
山世光，人脸识别研究比较牛。在中国科学院智能信息处理重点实验室
国外科研团队和牛人网页：
国外学者整理的各高校研究所团队网站
微软视觉研究小组，不解释，大家懂的，牛！
法国国家信息与自动化研究所，有对应牛人的链接，论文项目网页链接，且一些code对应链接等。
Learningtorecognizeobjectswithlittlesupervision该篇论文的项目网页，有对应的code下载，另附有详细说明。
卡耐基梅隆大学计算机视觉主页，内容非常多。可惜的是该网站内容只更新到了2004年。
斯坦福大学计算机视觉主页，里面有非常非常多的牛人，比如说大家熟悉的lifeifei.
关于wavelet研究的网页。
加州大学洛杉矶分校统计学院，关于统计学习方面各种资料，且有相应的网上公开课。
卡耐基梅隆大学Alexei(Alyosha)Efros教授个人网站，计算机图形学高手。
mit牛人Associate教授个人网址，主要研究计算机视觉人体视觉感知，目标识别和场景理解等。
mit牛人WilliamT.Freeman教授，主要研究计算机视觉和图像学
IBM人体视觉研究中心，里面除了有其研究小组的最新成果外，还有很多测试数据(特别是视频）供下载。
vlfeat主页，vlfeat也是一个开源组织，主要定位在一些最流行的视觉算法开源上，Ｃ编写，其很多算法效果比opencv要好,不过数量不全，但是非常有用。
AndrewZisserman的个人主页，这人大家应该熟悉，《计算机视觉中的多视几何》这本神书的作者之一。
KristenGrauman教授的个人主页，是个大美女，且是2011年“马尔奖”获得者，”马尔奖“大家都懂的，计算机视觉领域的最高奖项，目前无一个国内学者获得过。她的主要研究方法是视觉识别。
mit视觉实验室主页。
曾经在网络上非常出名一个视频，一个作者研究的第六感装置，现在这个就是其开源的主页。
PiotrDollar的个人主要，主要研究方向是人体行为识别。
移动多媒体处理，将移动设备，计算机图像学，视觉，图像处理等结合的领域。
IvanLaptev牛人主页，主要研究人体行为识别。有很多数据库可以下载。
RobHess的个人主要，里面有源码下载，比如说粒子滤波，他写的粒子滤波在网上很火。
cvpr领域一些小型的开源代码。
做行人检测的一个团队，内部有一些行人检测的代码下载。
visualgeometrygroup
图像:
交互式图像分割代码。
graphcut优化代码。
语音：
语音处理中的kaldi学习。
算法分析与设计（计算机领域的基础算法）：
一些综合topic列表：
ConsumerDepthCamerasforComputerVision
很优秀的一本书，不过很贵，买不起啊！做深度信息的使用这本书还不错，google图中可以预览一部分。
Making.Things.See
中国机器学习及应用研讨会(这个是2013年的)
期刊会议论文下载：
几个顶级会议论文公开下载界面，比如说ICCV,CVPR,ECCV,ACCV,ICPR,SIGGRAPH等。
cvpr2012的官方地址，里面有各种资料和信息，其他年份的地址类似推理更改即可。
ICV期刊下载
TPAMI期刊，AI领域中可以算得上是最顶级的期刊了，里面有不少cvpr方面的内容。
IJCV的网址。
NIPS官网，有论文下载列表。
LSRS（会议）地址，大规模推荐系统，其它年份依次类推。
上面网页的一个子网页，列出了最近的CV领域提交paper的deadline。
微软研究院牛人WallflowerPaper的论文中用到的目标检测等测试图片
UCI数据库列表下载，最常用的机器学习数据库列表。
人体行为识别通过关键点的跟踪视频数据库，Rochesteruniversity的
IBM人体视觉研究中心，有视频监控等非常多的测试视频。
该网站上列出了常见的cvpr研究的数据库。
RGB-DObjectDataset.做目标识别的。
该网站很好玩，可以测试你心里想出的一个人名(当然前提是这个人必须有一定的知名度)，然后该网站会提出一系列的问题，你可以选择yesorno,orIdon’tknow等等，最后系统会显示你心中所想的那个人。
人与狗的匹配游戏，摄像头采集人脸，呵呵…
该网站上有一些android图标,菜单等跟界面有关的设计工具,可以用来做一些简单的UI设计.
工具和code下载：
6种常见的图像特征点检测子，linux下环境运行。不过只提供了二进制文件，不提供源码。
仿射无关尺度特征点检测算子源码，还有些其它算子的源码或二进制文件。
隐式形状模型(ISM)项目主页，作者BastianLeibe提供了linux下运行的二进制文件。
IvanLaptev牛人主页中的STIP特征点检测code，但是也只是有二进制文件，无源码。该特征点在行为识别中该特征点非常有名。