这三篇论文开源了！何恺明等人的PointRend，Hinton组的SimCLR和谷歌大脑的EfficientDet...

前言

近期开源的项目真不少，一方面CVPR 2020录用结果放出，所以大量的CVPR 2020论文以及相应的代码也逐渐放出。本文将重点介绍近期比较值得关注的3个开源项目（PointRend、EfficientDet和SimCLR），后面会单独针对CVPR 2020 细分方向进行开源项目介绍。

PointRend

论文链接：https://arxiv.org/abs/1912.08193

代码链接：

https://github.com/facebookresearch/detectron2/tree/master/projects/PointRend

实际上本篇论文不仅刚刚开源，而且还收录于CVPR 2020（Oral）。另外说一下，何恺明大神今年拿下3篇 CVPR 2020，而且都是Oral。

本研究的中心思想是将图像分割看作一个渲染问题，并采用计算机图形学中的经典思想来有效地“渲染”高质量的标签图。基于这个计算思想提出一个新的神经网络模块，称为PointRend，它使用subdivision策略自适应地选择一组非均匀的点来计算标签。

PointRend可以被合并到流行的元架构中，用于实例分割(如Mask R-CNN)和语义分割(如FCN)。它的subdivision策略使用的浮点运算比直接的密集计算要少一个数量级，从而可以有效地计算高分辨率分割图。

将PointRend应用于实例分割

将PointRend与表1中Mask R-CNN中默认的4×conv head进行比较。

关于论文解读详见：

何恺明团队新作PointRend：将图像分割视作渲染问题，显著提升语义/实例分割性能！

EfficientDet

论文链接：https://arxiv.org/abs/1911.09070

代码链接：

https://github.com/google/automl/tree/master/efficientdet

实际上本篇论文也是收录于 CVPR 2020 中！

当时论文刚出来的时候，看到 COCO 数据集上 51.0 mAP！直接惊呆了！模型又轻量又高效，正好代码10天前开源，大家可以上手使用一番。

不过要注意的是目前开源的是EfficientDet-D0到EfficientDet-D6，原论文中的EfficientDet-D7没有了（而且新论文修正了这一点，也是把EfficientDet-D7删掉了）。不过问题不大，EfficientDet-D6 的 51.0 mAP 也够我们用了！

关于论文解读详见：

一骑绝尘的EfficientNet和EfficientDet

SimCLR

论文链接：https://arxiv.org/abs/2002.05709

代码链接：

https://github.com/google-research/simclr

近期无监督学习方面的两篇巨作：

Hinton组的：SimCLR

何恺明等人的：MoCo v2

注：MoCo 已收录于 CVPR 2020（Oral），而MoCo v2是 MoCo的改进版，性能已超越SimCLR。

关于SimCLR的论文解读推荐知乎上的这个话题：

如何评价Hinton组的新工作SimCLR?

https://www.zhihu.com/question/372064916

往期精彩回顾




适合初学者入门人工智能的路线及资料下载机器学习在线手册深度学习在线手册AI基础下载（pdf更新到25集）本站qq群1003271085，加入微信群请回复“加群”获取一折本站知识星球优惠券，请回复“知识星球”喜欢文章，点个在看