David Lowe：Sift算法的发明者，天才。
Rob Hess：sift的源码OpenSift的作者，个人主页上有openSift的下载链接，Opencv中sift的实现，也是参考这个。
Koen van de Sande：作者给出了sift,densesift,colorsift等等常用的特征点程序，输出格式见个人主页说明，当然这个特征点的算法，在Opencv中都有实现。
Ivan Laptev：作者给出了物体检测等方面丰富C\C++源码，及部分训练好的检测器（包括汽车，行人，摩托车，马，猫脸的检测器）。
Navneet Dalal：HOG算子的作者，个人主页上有他本人的博士论文，写的异常精彩，还有HOG源码链接，当然强大的Opencv已经复现了一遍。
Anna Bosch:PHOG算法的作者及源码。
Carl Vondrick:作者主页上呈现了两个非常好的项目Video Annotation Tool（视频标注）和iHOG，iHOG很有意思的解释了，为什么HOG算法会误判的原因。哇！哇！精彩！
Antonio Torralba：场景识别GIST算子（Matlab）的作者，当然个人主页张还有sift folow等等源码，偷着乐吧，Gist的C代码。
Svetlana Lazebnik：空间金字塔匹配的作者，个人主页上有物体检测和识别的丰富源码。
Kristen Grauman：2011年的marr prize的得主，美女，源码libpmk的作者，个人主页还有其他物体检测和识别的文档和源码。
Pablo F. Alcantarilla:kaze和akaze特征点的作者，据说比sift要好，作者的个人主页上给出了这两种特征点的C++代码，高兴啊！
Pedro Felzenszwalb:近几年的物体识别竞赛，大都是根据他的源码的框架，Discriminatively trained deformable part models，直到2012年，该算法的版本是5，作者个人主页上有链接。
Opencv中，有该算法的复现，但是，没有训练的部分，只有检测的部分，latentsvmdetector。
在\opencv\sources\samples\cpp文件夹中，有一个latentsvm_multidetect.cpp文件，搭好环境，运行，然后，准备好图片（http://pascallin.ecs.soton.ac.uk/challenges/VOC/)和常见的20种分类器：
就可以做物体检测了。
沙发检测
猫检测
其他物体的检测，就不一一列举了。
Deva Ramanan:Histograms of Sparse Codes（HSC）算法的第二作者，作者的个人主页上有除了物体识别检测，还有几个跟踪算法的源码。
Xiaofeng Ren:Histograms of Sparse Codes（HSC）算法的第一作者，作者的个人主页有丰富的源码。
Ce Liu:Siftflow算法的作者，个人主页上具有其他算法的源码。
Derek Hoiem：（非常喜欢）个人主页有物体识别，检测的源码，而且有Logistic Regression of Adaboost源码，而且个人主页上有很多他的学生的个人主页链接。
Sergey Karayev：作者的个人主页上有很多图像检索，目标识别的研究成果。
Aditya Khosla：作者研究兴趣是人的行为检测，目标识别，等。
Ming-Ming Cheng:关注论文《BING: Binarized Normed Gradients for Objectness Estimation at 300fps》
———————————————————————————————————————————————
图像检索：
Yossi Rubner：（这个个人主页链接可能打不开，百度这个网址http://ai.stanford.edu/~rubner/根据提示打开就可以了）图像检索EMD距离的原作者，作者给出了C源码，Opencv中给出了复现，具体可以参看这篇文章。
Ofir Pele：EMD距离的改进，作者个人主页上给出了源码（C++\Matlab）。
图像其他算法
Jiaya Jia：香港大学，发明的图像去模糊算法，处于世界领先水平，个人主页上有丰富的源码，超级喜欢。
Mohamed Aly:这个个人主页是无意中发现的，他研究了公路上各种直线（斑马线等）等的检测，并给出了源码。
__________________________________________________________________________________________________________________________________
人工智能博客：
Utkarsh:这个博客里写了好多关于OpenCV的项目，是一个非常好的学习资源。
Sebastian Montabone:作者写了一些很好的资料。
———————————————————————————————————————————————
机器学习及并行机器学习：
Andrew Ng：谷歌大脑之父，是斯坦福大学科学系和电子工程系副教授，人工智能实验室主任。吴恩达是人工智能和机器学习领域国际上最权威的学者之一。吴恩达也是在线教育平台Coursera的联合创始人（withDaphne Koller）。
Edward Chang:我是在吴军老师的《数学之美》中看到张智威老师，解决了并行SVD算法，但是，现在还没有任何关于这方面的资料。张智威老师的个人主页上，给出了关于并行支持向量机的算法，有一篇文章的符号，有一点混乱，我在这里给出了重新的计算和梳理。
Andrea Vedaldi：vlfeat源码的管理者之一，它近期写的关于支持向量机的文章很是喜欢，作者个人主页提供非常丰富的Matlab和C源码。
Ashesh Jain：作者的研究兴趣是机器学习和凸优化。作者的个人主页上有支持向量机的多核学习(Multiple Kernel Learning)源码。
Lin Chih-Jen：公认的最好的支持向量机开源libsvm，可以很好做Mercer Kernel做扩展，我添加常用11个Mercer核，并加在了libsvm中。推荐系统源码libmf。非负矩阵分解源码NMF。
