OliverH-yishuihanq
OliverH-yishuihanq

300+篇CVPR 2020代码开源的论文，全在这里了

300+篇CVPR 2020代码开源的论文，全在这里了！

CVPR 2020代码开源项目一放出，得到不少CVers的关注，重点是：开源和根据方向分类。目前star数已经来到2000+，期间也有不少国内外的CVPR 2020论文作者提交issue，分享他们的工作。

在此再次更新数据，代码开源的论文突破300+，项目还在持续更新，欢迎补充分享，也推荐大家学习：

https://github.com/amusi/CVPR2020-Code

注：下面内容很硬核，可以在CVer公众号后台回复：CVPR2020，即可下载如下内容

CVPR2020-Code

  • CNN

  • 图像分类

  • 目标检测

  • 3D目标检测

  • 视频目标检测

  • 目标跟踪

  • 语义分割

  • 实例分割

  • 全景分割

  • 视频目标分割

  • 超像素分割

  • NAS

  • GAN

  • Re-ID

  • 3D点云（分类/分割/配准/跟踪等）

  • 人脸（识别/检测/重建等）

  • 人体姿态估计(2D/3D)

  • 人体解析

  • 场景文本检测

  • 场景文本识别

  • 特征(点)检测和描述

  • 超分辨率

  • 模型压缩/剪枝

  • 视频理解/行为识别

  • 人群计数

  • 深度估计

  • 6D目标姿态估计

  • 手势估计

  • 显著性检测

  • 去噪

  • 去模糊

  • 去雾

  • 特征点检测与描述

  • 视觉问答(VQA)

  • 视频问答(VideoQA)

  • 视觉语言导航

  • 视频压缩

  • 视频插帧

  • 风格迁移

  • 车道线检测

  • "人-物"交互(HOI)检测

  • 轨迹预测

  • 运动预测

  • 光流估计

  • 图像检索

  • 虚拟试衣

  • HDR

  • 对抗样本

  • 三维重建

  • 深度补全

  • 语义场景补全

  • 图像/视频描述

  • 线框解析

  • 数据集

  • 其他

CNN

Exploring Self-attention for Image Recognition

  • 论文：https://hszhao.github.io/papers/cvpr20_san.pdf

  • 代码：https://github.com/hszhao/SAN

Improving Convolutional Networks with Self-Calibrated Convolutions

  • 主页：https://mmcheng.net/scconv/

  • 论文：http://mftp.mmcheng.net/Papers/20cvprSCNet.pdf

  • 代码：https://github.com/backseason/SCNet

Rethinking Depthwise Separable Convolutions: How Intra-Kernel Correlations Lead to Improved MobileNets

  • 论文：https://arxiv.org/abs/2003.13549

  • 代码：https://github.com/zeiss-microscopy/BSConv

图像分类

Compositional Convolutional Neural Networks: A Deep Architecture with Innate Robustness to Partial Occlusion

  • 论文：https://arxiv.org/abs/2003.04490

  • 代码：https://github.com/AdamKortylewski/CompositionalNets

Spatially Attentive Output Layer for Image Classification

  • 论文：https://arxiv.org/abs/2004.07570

  • 代码（好像被原作者删除了）：https://github.com/ildoonet/spatially-attentive-output-layer

目标检测

Noise-Aware Fully Webly Supervised Object Detection

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Shen_Noise-Aware_Fully_Webly_Supervised_Object_Detection_CVPR_2020_paper.html

  • 代码：https://github.com/shenyunhang/NA-fWebSOD/

Learning a Unified Sample Weighting Network for Object Detection

  • 论文：https://arxiv.org/abs/2006.06568

  • 代码：https://github.com/caiqi/sample-weighting-network

D2Det: Towards High Quality Object Detection and Instance Segmentation

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Cao_D2Det_Towards_High_Quality_Object_Detection_and_Instance_Segmentation_CVPR_2020_paper.pdf

  • 代码：https://github.com/JialeCao001/D2Det

Dynamic Refinement Network for Oriented and Densely Packed Object Detection

  • 论文下载链接：https://arxiv.org/abs/2005.09973

  • 代码和数据集：https://github.com/Anymake/DRN_CVPR2020

Scale-Equalizing Pyramid Convolution for Object Detection

论文：https://arxiv.org/abs/2005.03101

代码：https://github.com/jshilong/SEPC

Revisiting the Sibling Head in Object Detector

  • 论文：https://arxiv.org/abs/2003.07540

  • 代码：https://github.com/Sense-X/TSD

Scale-equalizing Pyramid Convolution for Object Detection

  • 论文：暂无

  • 代码：https://github.com/jshilong/SEPC

Detection in Crowded Scenes: One Proposal, Multiple Predictions

  • 论文：https://arxiv.org/abs/2003.09163

  • 代码：https://github.com/megvii-model/CrowdDetection

Instance-aware, Context-focused, and Memory-efficient Weakly Supervised Object Detection

  • 论文：https://arxiv.org/abs/2004.04725

  • 代码：https://github.com/NVlabs/wetectron

Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection

  • 论文：https://arxiv.org/abs/1912.02424

  • 代码：https://github.com/sfzhang15/ATSS

BiDet: An Efficient Binarized Object Detector

  • 论文：https://arxiv.org/abs/2003.03961

  • 代码：https://github.com/ZiweiWangTHU/BiDet

Harmonizing Transferability and Discriminability for Adapting Object Detectors

  • 论文：https://arxiv.org/abs/2003.06297

  • 代码：https://github.com/chaoqichen/HTCN

CentripetalNet: Pursuing High-quality Keypoint Pairs for Object Detection

  • 论文：https://arxiv.org/abs/2003.09119

  • 代码：https://github.com/KiveeDong/CentripetalNet

Hit-Detector: Hierarchical Trinity Architecture Search for Object Detection

  • 论文：https://arxiv.org/abs/2003.11818

  • 代码：https://github.com/ggjy/HitDet.pytorch

EfficientDet: Scalable and Efficient Object Detection

  • 论文：https://arxiv.org/abs/1911.09070

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

3D目标检测

Structure Aware Single-stage 3D Object Detection from Point Cloud

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/He_Structure_Aware_Single-Stage_3D_Object_Detection_From_Point_Cloud_CVPR_2020_paper.html

  • 代码：https://github.com/skyhehe123/SA-SSD

IDA-3D: Instance-Depth-Aware 3D Object Detection from Stereo Vision for Autonomous Driving

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Peng_IDA-3D_Instance-Depth-Aware_3D_Object_Detection_From_Stereo_Vision_for_Autonomous_CVPR_2020_paper.pdf

  • 代码：https://github.com/swords123/IDA-3D

Train in Germany, Test in The USA: Making 3D Object Detectors Generalize

  • 论文：https://arxiv.org/abs/2005.08139

  • 代码：https://github.com/cxy1997/3D_adapt_auto_driving

MLCVNet: Multi-Level Context VoteNet for 3D Object Detection

  • 论文：https://arxiv.org/abs/2004.05679

  • 代码：https://github.com/NUAAXQ/MLCVNet

3DSSD: Point-based 3D Single Stage Object Detector

  • CVPR 2020 Oral

  • 论文：https://arxiv.org/abs/2002.10187

  • 代码：https://github.com/tomztyang/3DSSD

Disp R-CNN: Stereo 3D Object Detection via Shape Prior Guided Instance Disparity Estimation

  • 论文：https://arxiv.org/abs/2004.03572

  • 代码：https://github.com/zju3dv/disprcn

End-to-End Pseudo-LiDAR for Image-Based 3D Object Detection

  • 论文：https://arxiv.org/abs/2004.03080

  • 代码：https://github.com/mileyan/pseudo-LiDAR_e2e

DSGN: Deep Stereo Geometry Network for 3D Object Detection

  • 论文：https://arxiv.org/abs/2001.03398

  • 代码：https://github.com/chenyilun95/DSGN

LiDAR-based Online 3D Video Object Detection with Graph-based Message Passing and Spatiotemporal Transformer Attention

  • 论文：https://arxiv.org/abs/2004.01389

  • 代码：https://github.com/yinjunbo/3DVID

PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection

  • 论文：https://arxiv.org/abs/1912.13192

  • 代码：https://github.com/sshaoshuai/PV-RCNN

Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud

  • 论文：https://arxiv.org/abs/2003.01251

  • 代码：https://github.com/WeijingShi/Point-GNN

视频目标检测

Memory Enhanced Global-Local Aggregation for Video Object Detection

论文：https://arxiv.org/abs/2003.12063

代码：https://github.com/Scalsol/mega.pytorch

目标跟踪

SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking

  • 论文：https://arxiv.org/abs/1911.07241

  • 代码：https://github.com/ohhhyeahhh/SiamCAR

D3S -- A Discriminative Single Shot Segmentation Tracker

  • 论文：https://arxiv.org/abs/1911.08862

  • 代码：https://github.com/alanlukezic/d3s

ROAM: Recurrently Optimizing Tracking Model

  • 论文：https://arxiv.org/abs/1907.12006

  • 代码：https://github.com/skyoung/ROAM

Siam R-CNN: Visual Tracking by Re-Detection

  • 主页：https://www.vision.rwth-aachen.de/page/siamrcnn

  • 论文：https://arxiv.org/abs/1911.12836

  • 论文2：https://www.vision.rwth-aachen.de/media/papers/192/siamrcnn.pdf

  • 代码：https://github.com/VisualComputingInstitute/SiamR-CNN

Cooling-Shrinking Attack: Blinding the Tracker with Imperceptible Noises

  • 论文：https://arxiv.org/abs/2003.09595

  • 代码：https://github.com/MasterBin-IIAU/CSA

High-Performance Long-Term Tracking with Meta-Updater

  • 论文：https://arxiv.org/abs/2004.00305

  • 代码：https://github.com/Daikenan/LTMU

AutoTrack: Towards High-Performance Visual Tracking for UAV with Automatic Spatio-Temporal Regularization

  • 论文：https://arxiv.org/abs/2003.12949

  • 代码：https://github.com/vision4robotics/AutoTrack

Probabilistic Regression for Visual Tracking

  • 论文：https://arxiv.org/abs/2003.12565

  • 代码：https://github.com/visionml/pytracking

MAST: A Memory-Augmented Self-supervised Tracker

  • 论文：https://arxiv.org/abs/2002.07793

  • 代码：https://github.com/zlai0/MAST

Siamese Box Adaptive Network for Visual Tracking

  • 论文：https://arxiv.org/abs/2003.06761

  • 代码：https://github.com/hqucv/siamban

语义分割

Super-BPD: Super Boundary-to-Pixel Direction for Fast Image Segmentation

  • 论文：暂无

  • 代码：https://github.com/JianqiangWan/Super-BPD

Single-Stage Semantic Segmentation from Image Labels

  • 论文：https://arxiv.org/abs/2005.08104

  • 代码：https://github.com/visinf/1-stage-wseg

Learning Texture Invariant Representation for Domain Adaptation of Semantic Segmentation

  • 论文：https://arxiv.org/abs/2003.00867

  • 代码：https://github.com/MyeongJin-Kim/Learning-Texture-Invariant-Representation

MSeg: A Composite Dataset for Multi-domain Semantic Segmentation

  • 论文：http://vladlen.info/papers/MSeg.pdf

  • 代码：https://github.com/mseg-dataset/mseg-api

CascadePSP: Toward Class-Agnostic and Very High-Resolution Segmentation via Global and Local Refinement

  • 论文：https://arxiv.org/abs/2005.02551

  • 代码：https://github.com/hkchengrex/CascadePSP

Unsupervised Intra-domain Adaptation for Semantic Segmentation through Self-Supervision

  • Oral

  • 论文：https://arxiv.org/abs/2004.07703

  • 代码：https://github.com/feipan664/IntraDA

Self-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation

  • 论文：https://arxiv.org/abs/2004.04581

  • 代码：https://github.com/YudeWang/SEAM

Temporally Distributed Networks for Fast Video Segmentation

  • 论文：https://arxiv.org/abs/2004.01800

  • 代码：https://github.com/feinanshan/TDNet

Context Prior for Scene Segmentation

  • 论文：https://arxiv.org/abs/2004.01547

  • 代码：https://git.io/ContextPrior

Strip Pooling: Rethinking Spatial Pooling for Scene Parsing

  • 论文：https://arxiv.org/abs/2003.13328

  • 代码：https://github.com/Andrew-Qibin/SPNet

Cars Can't Fly up in the Sky: Improving Urban-Scene Segmentation via Height-driven Attention Networks

  • 论文：https://arxiv.org/abs/2003.05128

  • 代码：https://github.com/shachoi/HANet

Learning Dynamic Routing for Semantic Segmentation

  • 论文：https://arxiv.org/abs/2003.10401

  • 代码：https://github.com/yanwei-li/DynamicRouting

实例分割

D2Det: Towards High Quality Object Detection and Instance Segmentation

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Cao_D2Det_Towards_High_Quality_Object_Detection_and_Instance_Segmentation_CVPR_2020_paper.pdf

  • 代码：https://github.com/JialeCao001/D2Det

PolarMask: Single Shot Instance Segmentation with Polar Representation

  • 论文：https://arxiv.org/abs/1909.13226

  • 代码：https://github.com/xieenze/PolarMask

  • 解读：https://zhuanlan.zhihu.com/p/84890413

CenterMask : Real-Time Anchor-Free Instance Segmentation

  • 论文：https://arxiv.org/abs/1911.06667

  • 代码：https://github.com/youngwanLEE/CenterMask

BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation

  • 论文：https://arxiv.org/abs/2001.00309

  • 代码：https://github.com/aim-uofa/AdelaiDet

Deep Snake for Real-Time Instance Segmentation

  • 论文：https://arxiv.org/abs/2001.01629

  • 代码：https://github.com/zju3dv/snake

Mask Encoding for Single Shot Instance Segmentation

  • 论文：https://arxiv.org/abs/2003.11712

  • 代码：https://github.com/aim-uofa/AdelaiDet

全景分割

Pixel Consensus Voting for Panoptic Segmentation

  • 论文：https://arxiv.org/abs/2004.01849

  • 代码：还未公布

BANet: Bidirectional Aggregation Network with Occlusion Handling for Panoptic Segmentation

论文：https://arxiv.org/abs/2003.14031

代码：https://github.com/Mooonside/BANet

视频目标分割

A Transductive Approach for Video Object Segmentation

  • 论文：https://arxiv.org/abs/2004.07193

  • 代码：https://github.com/microsoft/transductive-vos.pytorch

State-Aware Tracker for Real-Time Video Object Segmentation

  • 论文：https://arxiv.org/abs/2003.00482

  • 代码：https://github.com/MegviiDetection/video_analyst

Learning Fast and Robust Target Models for Video Object Segmentation

  • 论文：https://arxiv.org/abs/2003.00908

  • 代码：https://github.com/andr345/frtm-vos

Learning Video Object Segmentation from Unlabeled Videos

  • 论文：https://arxiv.org/abs/2003.05020

  • 代码：https://github.com/carrierlxk/MuG

超像素分割

Superpixel Segmentation with Fully Convolutional Networks

  • 论文：https://arxiv.org/abs/2003.12929

  • 代码：https://github.com/fuy34/superpixel_fcn

NAS

AOWS: Adaptive and optimal network width search with latency constraints

  • 论文：https://arxiv.org/abs/2005.10481

  • 代码：https://github.com/bermanmaxim/AOWS

Densely Connected Search Space for More Flexible Neural Architecture Search

  • 论文：https://arxiv.org/abs/1906.09607

  • 代码：https://github.com/JaminFong/DenseNAS

MTL-NAS: Task-Agnostic Neural Architecture Search towards General-Purpose Multi-Task Learning

  • 论文：https://arxiv.org/abs/2003.14058

  • 代码：https://github.com/bhpfelix/MTLNAS

FBNetV2: Differentiable Neural Architecture Search for Spatial and Channel Dimensions

  • 论文下载链接：https://arxiv.org/abs/2004.05565

  • 代码：https://github.com/facebookresearch/mobile-vision

Neural Architecture Search for Lightweight Non-Local Networks

  • 论文：https://arxiv.org/abs/2004.01961

  • 代码：https://github.com/LiYingwei/AutoNL

Rethinking Performance Estimation in Neural Architecture Search

  • 论文：https://arxiv.org/abs/2005.09917

  • 代码：https://github.com/zhengxiawu/rethinking_performance_estimation_in_NAS

  • 解读1：https://www.zhihu.com/question/372070853/answer/1035234510

  • 解读2：https://zhuanlan.zhihu.com/p/111167409

CARS: Continuous Evolution for Efficient Neural Architecture Search

  • 论文：https://arxiv.org/abs/1909.04977

  • 代码（即将开源）：https://github.com/huawei-noah/CARS

GAN

Distribution-induced Bidirectional Generative Adversarial Network for Graph Representation Learning

  • 论文：https://arxiv.org/abs/1912.01899

  • 代码：https://github.com/SsGood/DBGAN

PSGAN: Pose and Expression Robust Spatial-Aware GAN for Customizable Makeup Transfer

  • 论文：https://arxiv.org/abs/1909.06956

  • 代码：https://github.com/wtjiang98/PSGAN

Semantically Mutil-modal Image Synthesis

  • 主页：http://seanseattle.github.io/SMIS

  • 论文：https://arxiv.org/abs/2003.12697

  • 代码：https://github.com/Seanseattle/SMIS

Unpaired Portrait Drawing Generation via Asymmetric Cycle Mapping

  • 论文：https://yiranran.github.io/files/CVPR2020_Unpaired%20Portrait%20Drawing%20Generation%20via%20Asymmetric%20Cycle%20Mapping.pdf

  • 代码：https://github.com/yiranran/Unpaired-Portrait-Drawing

Learning to Cartoonize Using White-box Cartoon Representations

  • 论文：https://github.com/SystemErrorWang/White-box-Cartoonization/blob/master/paper/06791.pdf

  • 主页：https://systemerrorwang.github.io/White-box-Cartoonization/

  • 代码：https://github.com/SystemErrorWang/White-box-Cartoonization

  • 解读：https://zhuanlan.zhihu.com/p/117422157

  • Demo视频：https://www.bilibili.com/video/av56708333

GAN Compression: Efficient Architectures for Interactive Conditional GANs

  • 论文：https://arxiv.org/abs/2003.08936

  • 代码：https://github.com/mit-han-lab/gan-compression

Watch your Up-Convolution: CNN Based Generative Deep Neural Networks are Failing to Reproduce Spectral Distributions

  • 论文：https://arxiv.org/abs/2003.01826

  • 代码：https://github.com/cc-hpc-itwm/UpConv

Re-ID

COCAS: A Large-Scale Clothes Changing Person Dataset for Re-identification

  • 论文：https://arxiv.org/abs/2005.07862

  • 数据集：暂无

Transferable, Controllable, and Inconspicuous Adversarial Attacks on Person Re-identification With Deep Mis-Ranking

  • 论文：https://arxiv.org/abs/2004.04199

  • 代码：https://github.com/whj363636/Adversarial-attack-on-Person-ReID-With-Deep-Mis-Ranking

Pose-guided Visible Part Matching for Occluded Person ReID

  • 论文：https://arxiv.org/abs/2004.00230

  • 代码：https://github.com/hh23333/PVPM

Weakly supervised discriminative feature learning with state information for person identification

  • 论文：https://arxiv.org/abs/2002.11939

  • 代码：https://github.com/KovenYu/state-information

3D点云（分类/分割/配准等）

3D点云卷积

PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling

  • 论文：https://arxiv.org/abs/2003.00492

  • 代码：https://github.com/yanx27/PointASNL

Global-Local Bidirectional Reasoning for Unsupervised Representation Learning of 3D Point Clouds

  • 论文下载链接：https://arxiv.org/abs/2003.12971

  • 代码：https://github.com/raoyongming/PointGLR

Grid-GCN for Fast and Scalable Point Cloud Learning

  • 论文：https://arxiv.org/abs/1912.02984

  • 代码：https://github.com/Xharlie/Grid-GCN

FPConv: Learning Local Flattening for Point Convolution

  • 论文：https://arxiv.org/abs/2002.10701

  • 代码：https://github.com/lyqun/FPConv

3D点云分类

PointAugment: an Auto-Augmentation Framework for Point Cloud Classification

  • 论文：https://arxiv.org/abs/2002.10876

  • 代码（即将开源）：https://github.com/liruihui/PointAugment/

3D点云语义分割

RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds

  • 论文：https://arxiv.org/abs/1911.11236

  • 代码：https://github.com/QingyongHu/RandLA-Net

  • 解读：https://zhuanlan.zhihu.com/p/105433460

Weakly Supervised Semantic Point Cloud Segmentation:Towards 10X Fewer Labels

  • 论文：https://arxiv.org/abs/2004.0409

  • 代码：https://github.com/alex-xun-xu/WeakSupPointCloudSeg

PolarNet: An Improved Grid Representation for Online LiDAR Point Clouds Semantic Segmentation

  • 论文：https://arxiv.org/abs/2003.14032

  • 代码：https://github.com/edwardzhou130/PolarSeg

Learning to Segment 3D Point Clouds in 2D Image Space

  • 论文：https://arxiv.org/abs/2003.05593

  • 代码：https://github.com/WPI-VISLab/Learning-to-Segment-3D-Point-Clouds-in-2D-Image-Space

3D点云实例分割

PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation

  • 论文：https://arxiv.org/abs/2004.01658

  • 代码：https://github.com/Jia-Research-Lab/PointGroup

3D点云配准

D3Feat: Joint Learning of Dense Detection and Description of 3D Local Features

  • 论文：https://arxiv.org/abs/2003.03164

  • 代码：https://github.com/XuyangBai/D3Feat

RPM-Net: Robust Point Matching using Learned Features

  • 论文：https://arxiv.org/abs/2003.13479

  • 代码：https://github.com/yewzijian/RPMNet

3D点云补全

Cascaded Refinement Network for Point Cloud Completion

  • 论文：https://arxiv.org/abs/2004.03327

  • 代码：https://github.com/xiaogangw/cascaded-point-completion

3D点云目标跟踪

P2B: Point-to-Box Network for 3D Object Tracking in Point Clouds

  • 论文：https://arxiv.org/abs/2005.13888

  • 代码：https://github.com/HaozheQi/P2B

人脸

人脸识别

CurricularFace: Adaptive Curriculum Learning Loss for Deep Face Recognition

  • 论文：https://arxiv.org/abs/2004.00288

  • 代码：https://github.com/HuangYG123/CurricularFace

Learning Meta Face Recognition in Unseen Domains

  • 论文：https://arxiv.org/abs/2003.07733

  • 代码：https://github.com/cleardusk/MFR

  • 解读：https://mp.weixin.qq.com/s/YZoEnjpnlvb90qSI3xdJqQ

人脸检测

人脸活体检测

Searching Central Difference Convolutional Networks for Face Anti-Spoofing

  • 论文：https://arxiv.org/abs/2003.04092

  • 代码：https://github.com/ZitongYu/CDCN

人脸表情识别

Suppressing Uncertainties for Large-Scale Facial Expression Recognition

  • 论文：https://arxiv.org/abs/2002.10392

  • 代码（即将开源）：https://github.com/kaiwang960112/Self-Cure-Network

人脸转正

Rotate-and-Render: Unsupervised Photorealistic Face Rotation from Single-View Images

  • 论文：https://arxiv.org/abs/2003.08124

  • 代码：https://github.com/Hangz-nju-cuhk/Rotate-and-Render

人脸3D重建

AvatarMe: Realistically Renderable 3D Facial Reconstruction "in-the-wild"

  • 论文：https://arxiv.org/abs/2003.13845

  • 数据集：https://github.com/lattas/AvatarMe

FaceScape: a Large-scale High Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction

  • 论文：https://arxiv.org/abs/2003.13989

  • 代码：https://github.com/zhuhao-nju/facescape

人体姿态估计(2D/3D)

2D人体姿态估计

HigherHRNet: Scale-Aware Representation Learning for Bottom-Up Human Pose Estimation

  • 论文：https://arxiv.org/abs/1908.10357

  • 代码：https://github.com/HRNet/HigherHRNet-Human-Pose-Estimation

The Devil is in the Details: Delving into Unbiased Data Processing for Human Pose Estimation

  • 论文：https://arxiv.org/abs/1911.07524

  • 代码：https://github.com/HuangJunJie2017/UDP-Pose

  • 解读：https://zhuanlan.zhihu.com/p/92525039

Distribution-Aware Coordinate Representation for Human Pose Estimation

  • 主页：https://ilovepose.github.io/coco/

  • 论文：https://arxiv.org/abs/1910.06278

  • 代码：https://github.com/ilovepose/DarkPose

3D人体姿态估计

Fusing Wearable IMUs with Multi-View Images for Human Pose Estimation: A Geometric Approach

  • 主页：https://www.zhe-zhang.com/cvpr2020

  • 论文：https://arxiv.org/abs/2003.11163

  • 代码：https://github.com/CHUNYUWANG/imu-human-pose-pytorch

Bodies at Rest: 3D Human Pose and Shape Estimation from a Pressure Image using Synthetic Data

  • 论文下载链接：https://arxiv.org/abs/2004.01166

  • 代码：https://github.com/Healthcare-Robotics/bodies-at-rest

  • 数据集：https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/KOA4ML

Self-Supervised 3D Human Pose Estimation via Part Guided Novel Image Synthesis

  • 主页：http://val.cds.iisc.ac.in/pgp-human/

  • 论文：https://arxiv.org/abs/2004.04400

Compressed Volumetric Heatmaps for Multi-Person 3D Pose Estimation

  • 论文：https://arxiv.org/abs/2004.00329

  • 代码：https://github.com/fabbrimatteo/LoCO

VIBE: Video Inference for Human Body Pose and Shape Estimation

  • 论文：https://arxiv.org/abs/1912.05656

  • 代码：https://github.com/mkocabas/VIBE

Back to the Future: Joint Aware Temporal Deep Learning 3D Human Pose Estimation

  • 论文：https://arxiv.org/abs/2002.11251

  • 代码：https://github.com/vnmr/JointVideoPose3D

Cross-View Tracking for Multi-Human 3D Pose Estimation at over 100 FPS

  • 论文：https://arxiv.org/abs/2003.03972

  • 数据集：暂无

人体解析

Correlating Edge, Pose with Parsing

  • 论文：https://arxiv.org/abs/2005.01431

  • 代码：https://github.com/ziwei-zh/CorrPM

场景文本检测

ContourNet: Taking a Further Step Toward Accurate Arbitrary-Shaped Scene Text Detection

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Wang_ContourNet_Taking_a_Further_Step_Toward_Accurate_Arbitrary-Shaped_Scene_Text_CVPR_2020_paper.pdf

  • 代码：https://github.com/wangyuxin87/ContourNet

UnrealText: Synthesizing Realistic Scene Text Images from the Unreal World

  • 论文：https://arxiv.org/abs/2003.10608

  • 代码和数据集：https://github.com/Jyouhou/UnrealText/

ABCNet: Real-time Scene Text Spotting with Adaptive Bezier-Curve Network

  • 论文：https://arxiv.org/abs/2002.10200

  • 代码（即将开源）：https://github.com/Yuliang-Liu/bezier_curve_text_spotting

  • 代码（即将开源）：https://github.com/aim-uofa/adet

Deep Relational Reasoning Graph Network for Arbitrary Shape Text Detection

  • 论文：https://arxiv.org/abs/2003.07493

  • 代码：https://github.com/GXYM/DRRG

场景文本识别

SEED: Semantics Enhanced Encoder-Decoder Framework for Scene Text Recognition

  • 论文：https://arxiv.org/abs/2005.10977

  • 代码：https://github.com/Pay20Y/SEED

UnrealText: Synthesizing Realistic Scene Text Images from the Unreal World

  • 论文：https://arxiv.org/abs/2003.10608

  • 代码和数据集：https://github.com/Jyouhou/UnrealText/

ABCNet: Real-time Scene Text Spotting with Adaptive Bezier-Curve Network

  • 论文：https://arxiv.org/abs/2002.10200

  • 代码（即将开源）：https://github.com/aim-uofa/adet

Learn to Augment: Joint Data Augmentation and Network Optimization for Text Recognition

  • 论文：https://arxiv.org/abs/2003.06606

  • 代码：https://github.com/Canjie-Luo/Text-Image-Augmentation

特征(点)检测和描述

SuperGlue: Learning Feature Matching with Graph Neural Networks

  • 论文：https://arxiv.org/abs/1911.11763

  • 代码：https://github.com/magicleap/SuperGluePretrainedNetwork

超分辨率

图像超分辨率

Closed-Loop Matters: Dual Regression Networks for Single Image Super-Resolution

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Guo_Closed-Loop_Matters_Dual_Regression_Networks_for_Single_Image_Super-Resolution_CVPR_2020_paper.html

  • 代码：https://github.com/guoyongcs/DRN

Learning Texture Transformer Network for Image Super-Resolution

  • 论文：https://arxiv.org/abs/2006.04139

  • 代码：https://github.com/FuzhiYang/TTSR

Image Super-Resolution with Cross-Scale Non-Local Attention and Exhaustive Self-Exemplars Mining

  • 论文：https://arxiv.org/abs/2006.01424

  • 代码：https://github.com/SHI-Labs/Cross-Scale-Non-Local-Attention

Structure-Preserving Super Resolution with Gradient Guidance

  • 论文：https://arxiv.org/abs/2003.13081

  • 代码：https://github.com/Maclory/SPSR

Rethinking Data Augmentation for Image Super-resolution: A Comprehensive Analysis and a New Strategy

论文：https://arxiv.org/abs/2004.00448

代码：https://github.com/clovaai/cutblur

视频超分辨率

TDAN: Temporally-Deformable Alignment Network for Video Super-Resolution

  • 论文：https://arxiv.org/abs/1812.02898

  • 代码：https://github.com/YapengTian/TDAN-VSR-CVPR-2020

Space-Time-Aware Multi-Resolution Video Enhancement

  • 主页：https://alterzero.github.io/projects/STAR.html

  • 论文：http://arxiv.org/abs/2003.13170

  • 代码：https://github.com/alterzero/STARnet

Zooming Slow-Mo: Fast and Accurate One-Stage Space-Time Video Super-Resolution

  • 论文：https://arxiv.org/abs/2002.11616

  • 代码：https://github.com/Mukosame/Zooming-Slow-Mo-CVPR-2020

模型压缩/剪枝

DMCP: Differentiable Markov Channel Pruning for Neural Networks

  • 论文：https://arxiv.org/abs/2005.03354

  • 代码：https://github.com/zx55/dmcp

Forward and Backward Information Retention for Accurate Binary Neural Networks

  • 论文：https://arxiv.org/abs/1909.10788

  • 代码：https://github.com/htqin/IR-Net

Towards Efficient Model Compression via Learned Global Ranking

  • 论文：https://arxiv.org/abs/1904.12368

  • 代码：https://github.com/cmu-enyac/LeGR

HRank: Filter Pruning using High-Rank Feature Map

  • 论文：http://arxiv.org/abs/2002.10179

  • 代码：https://github.com/lmbxmu/HRank

GAN Compression: Efficient Architectures for Interactive Conditional GANs

  • 论文：https://arxiv.org/abs/2003.08936

  • 代码：https://github.com/mit-han-lab/gan-compression

Group Sparsity: The Hinge Between Filter Pruning and Decomposition for Network Compression

  • 论文：https://arxiv.org/abs/2003.08935

  • 代码：https://github.com/ofsoundof/group_sparsity

视频理解/行为识别

Oops! Predicting Unintentional Action in Video

  • 主页：https://oops.cs.columbia.edu/

  • 论文：https://arxiv.org/abs/1911.11206

  • 代码：https://github.com/cvlab-columbia/oops

  • 数据集：https://oops.cs.columbia.edu/data

PREDICT & CLUSTER: Unsupervised Skeleton Based Action Recognition

  • 论文：https://arxiv.org/abs/1911.12409

  • 代码：https://github.com/shlizee/Predict-Cluster

Intra- and Inter-Action Understanding via Temporal Action Parsing

  • 论文：https://arxiv.org/abs/2005.10229

  • 主页和数据集：https://sdolivia.github.io/TAPOS/

3DV: 3D Dynamic Voxel for Action Recognition in Depth Video

  • 论文：https://arxiv.org/abs/2005.05501

  • 代码：https://github.com/3huo/3DV-Action

FineGym: A Hierarchical Video Dataset for Fine-grained Action Understanding

  • 主页：https://sdolivia.github.io/FineGym/

  • 论文：https://arxiv.org/abs/2004.06704

TEA: Temporal Excitation and Aggregation for Action Recognition

  • 论文：https://arxiv.org/abs/2004.01398

  • 代码：https://github.com/Phoenix1327/tea-action-recognition

X3D: Expanding Architectures for Efficient Video Recognition

  • 论文：https://arxiv.org/abs/2004.04730

  • 代码：https://github.com/facebookresearch/SlowFast

Temporal Pyramid Network for Action Recognition

  • 主页：https://decisionforce.github.io/TPN

  • 论文：https://arxiv.org/abs/2004.03548

  • 代码：https://github.com/decisionforce/TPN

基于骨架的动作识别

Disentangling and Unifying Graph Convolutions for Skeleton-Based Action Recognition

  • 论文：https://arxiv.org/abs/2003.14111

  • 代码：https://github.com/kenziyuliu/ms-g3d

人群计数

深度估计

BiFuse: Monocular 360◦ Depth Estimation via Bi-Projection Fusion

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Wang_BiFuse_Monocular_360_Depth_Estimation_via_Bi-Projection_Fusion_CVPR_2020_paper.pdf

  • 代码：https://github.com/Yeh-yu-hsuan/BiFuse

Focus on defocus: bridging the synthetic to real domain gap for depth estimation

  • 论文：https://arxiv.org/abs/2005.09623

  • 代码：https://github.com/dvl-tum/defocus-net

Bi3D: Stereo Depth Estimation via Binary Classifications

  • 论文：https://arxiv.org/abs/2005.07274

  • 代码：https://github.com/NVlabs/Bi3D

AANet: Adaptive Aggregation Network for Efficient Stereo Matching

  • 论文：https://arxiv.org/abs/2004.09548

  • 代码：https://github.com/haofeixu/aanet

Towards Better Generalization: Joint Depth-Pose Learning without PoseNet

  • 论文：https://github.com/B1ueber2y/TrianFlow

  • 代码：https://github.com/B1ueber2y/TrianFlow

单目深度估计

On the uncertainty of self-supervised monocular depth estimation

  • 论文：https://arxiv.org/abs/2005.06209

  • 代码：https://github.com/mattpoggi/mono-uncertainty

3D Packing for Self-Supervised Monocular Depth Estimation

  • 论文：https://arxiv.org/abs/1905.02693

  • 代码：https://github.com/TRI-ML/packnet-sfm

  • Demo视频：https://www.bilibili.com/video/av70562892/

Domain Decluttering: Simplifying Images to Mitigate Synthetic-Real Domain Shift and Improve Depth Estimation

  • 论文：https://arxiv.org/abs/2002.12114

  • 代码：https://github.com/yzhao520/ARC

6D目标姿态估计

MoreFusion: Multi-object Reasoning for 6D Pose Estimation from Volumetric Fusion

  • 论文：https://arxiv.org/abs/2004.04336

  • 代码：https://github.com/wkentaro/morefusion

EPOS: Estimating 6D Pose of Objects with Symmetries

主页：http://cmp.felk.cvut.cz/epos

论文：https://arxiv.org/abs/2004.00605

G2L-Net: Global to Local Network for Real-time 6D Pose Estimation with Embedding Vector Features

  • 论文：https://arxiv.org/abs/2003.11089

  • 代码：https://github.com/DC1991/G2L_Net

手势估计

HOPE-Net: A Graph-based Model for Hand-Object Pose Estimation

  • 论文：https://arxiv.org/abs/2004.00060

  • 主页：http://vision.sice.indiana.edu/projects/hopenet

Monocular Real-time Hand Shape and Motion Capture using Multi-modal Data

  • 论文：https://arxiv.org/abs/2003.09572

  • 代码：https://github.com/CalciferZh/minimal-hand

显著性检测

JL-DCF: Joint Learning and Densely-Cooperative Fusion Framework for RGB-D Salient Object Detection

  • 论文：https://arxiv.org/abs/2004.08515

  • 代码：https://github.com/kerenfu/JLDCF/

UC-Net: Uncertainty Inspired RGB-D Saliency Detection via Conditional Variational Autoencoders

  • 主页：http://dpfan.net/d3netbenchmark/

  • 论文：https://arxiv.org/abs/2004.05763

  • 代码：https://github.com/JingZhang617/UCNet

去噪

A Physics-based Noise Formation Model for Extreme Low-light Raw Denoising

  • 论文：https://arxiv.org/abs/2003.12751

  • 代码：https://github.com/Vandermode/NoiseModel

CycleISP: Real Image Restoration via Improved Data Synthesis

  • 论文：https://arxiv.org/abs/2003.07761

  • 代码：https://github.com/swz30/CycleISP

去雨

Multi-Scale Progressive Fusion Network for Single Image Deraining

  • 论文：https://arxiv.org/abs/2003.10985

  • 代码：https://github.com/kuihua/MSPFN

去模糊

视频去模糊

Cascaded Deep Video Deblurring Using Temporal Sharpness Prior

  • 主页：https://csbhr.github.io/projects/cdvd-tsp/index.html

  • 论文：https://arxiv.org/abs/2004.02501

  • 代码：https://github.com/csbhr/CDVD-TSP

去雾

Multi-Scale Boosted Dehazing Network with Dense Feature Fusion

  • 论文：https://arxiv.org/abs/2004.13388

  • 代码：https://github.com/BookerDeWitt/MSBDN-DFF

特征点检测与描述

ASLFeat: Learning Local Features of Accurate Shape and Localization

  • 论文：https://arxiv.org/abs/2003.10071

  • 代码：https://github.com/lzx551402/aslfeat

视觉问答(VQA)

VC R-CNN：Visual Commonsense R-CNN

  • 论文：https://arxiv.org/abs/2002.12204

  • 代码：https://github.com/Wangt-CN/VC-R-CNN

视频问答(VideoQA)

Hierarchical Conditional Relation Networks for Video Question Answering

  • 论文：https://arxiv.org/abs/2002.10698

  • 代码：https://github.com/thaolmk54/hcrn-videoqa

视觉语言导航

Towards Learning a Generic Agent for Vision-and-Language Navigation via Pre-training

  • 论文：https://arxiv.org/abs/2002.10638

  • 代码（即将开源）：https://github.com/weituo12321/PREVALENT

视频压缩

Learning for Video Compression with Hierarchical Quality and Recurrent Enhancement

  • 论文：https://arxiv.org/abs/2003.01966

  • 代码：https://github.com/RenYang-home/HLVC

视频插帧

FeatureFlow: Robust Video Interpolation via Structure-to-Texture Generation

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Gui_FeatureFlow_Robust_Video_Interpolation_via_Structure-to-Texture_Generation_CVPR_2020_paper.html

  • 代码：https://github.com/CM-BF/FeatureFlow

Zooming Slow-Mo: Fast and Accurate One-Stage Space-Time Video Super-Resolution

  • 论文：https://arxiv.org/abs/2002.11616

  • 代码：https://github.com/Mukosame/Zooming-Slow-Mo-CVPR-2020

Space-Time-Aware Multi-Resolution Video Enhancement

  • 主页：https://alterzero.github.io/projects/STAR.html

  • 论文：http://arxiv.org/abs/2003.13170

  • 代码：https://github.com/alterzero/STARnet

Scene-Adaptive Video Frame Interpolation via Meta-Learning

  • 论文：https://arxiv.org/abs/2004.00779

  • 代码：https://github.com/myungsub/meta-interpolation

Softmax Splatting for Video Frame Interpolation

  • 主页：http://sniklaus.com/papers/softsplat

  • 论文：https://arxiv.org/abs/2003.05534

  • 代码：https://github.com/sniklaus/softmax-splatting

风格迁移

Diversified Arbitrary Style Transfer via Deep Feature Perturbation

  • 论文：https://arxiv.org/abs/1909.08223

  • 代码：https://github.com/EndyWon/Deep-Feature-Perturbation

Collaborative Distillation for Ultra-Resolution Universal Style Transfer

  • 论文：https://arxiv.org/abs/2003.08436

  • 代码：https://github.com/mingsun-tse/collaborative-distillation

车道线检测

Inter-Region Affinity Distillation for Road Marking Segmentation

  • 论文：https://arxiv.org/abs/2004.05304

  • 代码：https://github.com/cardwing/Codes-for-IntRA-KD

"人-物"交互(HOT)检测

PPDM: Parallel Point Detection and Matching for Real-time Human-Object Interaction Detection

  • 论文：https://arxiv.org/abs/1912.12898

  • 代码：https://github.com/YueLiao/PPDM

Detailed 2D-3D Joint Representation for Human-Object Interaction

  • 论文：https://arxiv.org/abs/2004.08154

  • 代码：https://github.com/DirtyHarryLYL/DJ-RN

Cascaded Human-Object Interaction Recognition

  • 论文：https://arxiv.org/abs/2003.04262

  • 代码：https://github.com/tfzhou/C-HOI

VSGNet: Spatial Attention Network for Detecting Human Object Interactions Using Graph Convolutions

  • 论文：https://arxiv.org/abs/2003.05541

  • 代码：https://github.com/ASMIftekhar/VSGNet

轨迹预测

The Garden of Forking Paths: Towards Multi-Future Trajectory Prediction

  • 论文：https://arxiv.org/abs/1912.06445

  • 代码：https://github.com/JunweiLiang/Multiverse

  • 数据集：https://next.cs.cmu.edu/multiverse/

Social-STGCNN: A Social Spatio-Temporal Graph Convolutional Neural Network for Human Trajectory Prediction

  • 论文：https://arxiv.org/abs/2002.11927

  • 代码：https://github.com/abduallahmohamed/Social-STGCNN

运动预测

Collaborative Motion Prediction via Neural Motion Message Passing

  • 论文：https://arxiv.org/abs/2003.06594

  • 代码：https://github.com/PhyllisH/NMMP

MotionNet: Joint Perception and Motion Prediction for Autonomous Driving Based on Bird's Eye View Maps

  • 论文：https://arxiv.org/abs/2003.06754

  • 代码：https://github.com/pxiangwu/MotionNet

光流估计

Learning by Analogy: Reliable Supervision from Transformations for Unsupervised Optical Flow Estimation

  • 论文：https://arxiv.org/abs/2003.13045

  • 代码：https://github.com/lliuz/ARFlow

图像检索

Evade Deep Image Retrieval by Stashing Private Images in the Hash Space

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Xiao_Evade_Deep_Image_Retrieval_by_Stashing_Private_Images_in_the_CVPR_2020_paper.html

  • 代码：https://github.com/sugarruy/hashstash

虚拟试衣

Towards Photo-Realistic Virtual Try-On by Adaptively Generating↔Preserving Image Content

  • 论文：https://arxiv.org/abs/2003.05863

  • 代码：https://github.com/switchablenorms/DeepFashion_Try_On

HDR

Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline

  • 主页：https://www.cmlab.csie.ntu.edu.tw/~yulunliu/SingleHDR

  • 论文下载链接：https://www.cmlab.csie.ntu.edu.tw/~yulunliu/SingleHDR_/00942.pdf

  • 代码：https://github.com/alex04072000/SingleHDR

对抗样本

Towards Large yet Imperceptible Adversarial Image Perturbations with Perceptual Color Distance

  • 论文：https://arxiv.org/abs/1911.02466

  • 代码：https://github.com/ZhengyuZhao/PerC-Adversarial

三维重建

Unsupervised Learning of Probably Symmetric Deformable 3D Objects from Images in the Wild

  • CVPR 2020 Best Paper

  • 主页：https://elliottwu.com/projects/unsup3d/

  • 论文：https://arxiv.org/abs/1911.11130

  • 代码：https://github.com/elliottwu/unsup3d

Multi-Level Pixel-Aligned Implicit Function for High-Resolution 3D Human Digitization

  • 主页：https://shunsukesaito.github.io/PIFuHD/

  • 论文：https://arxiv.org/abs/2004.00452

  • 代码：https://github.com/facebookresearch/pifuhd

深度补全

Uncertainty-Aware CNNs for Depth Completion: Uncertainty from Beginning to End

论文：https://arxiv.org/abs/2006.03349

代码：https://github.com/abdo-eldesokey/pncnn

语义场景补全

3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure Prior

  • 论文：https://arxiv.org/abs/2003.14052

  • 代码：https://github.com/charlesCXK/3D-SketchAware-SSC

图像/视频描述

Syntax-Aware Action Targeting for Video Captioning

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Zheng_Syntax-Aware_Action_Targeting_for_Video_Captioning_CVPR_2020_paper.pdf

  • 代码：https://github.com/SydCaption/SAAT

线框解析

Holistically-Attracted Wireframe Parser

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Xue_Holistically-Attracted_Wireframe_Parsing_CVPR_2020_paper.html

  • 代码：https://github.com/cherubicXN/hawp

数据集

Oops! Predicting Unintentional Action in Video

  • 主页：https://oops.cs.columbia.edu/

  • 论文：https://arxiv.org/abs/1911.11206

  • 代码：https://github.com/cvlab-columbia/oops

  • 数据集：https://oops.cs.columbia.edu/data

The Garden of Forking Paths: Towards Multi-Future Trajectory Prediction

  • 论文：https://arxiv.org/abs/1912.06445

  • 代码：https://github.com/JunweiLiang/Multiverse

  • 数据集：https://next.cs.cmu.edu/multiverse/

Open Compound Domain Adaptation

  • 主页：https://liuziwei7.github.io/projects/CompoundDomain.html

  • 数据集：https://drive.google.com/drive/folders/1_uNTF8RdvhS_sqVTnYx17hEOQpefmE2r?usp=sharing

  • 论文：https://arxiv.org/abs/1909.03403

  • 代码：https://github.com/zhmiao/OpenCompoundDomainAdaptation-OCDA

Intra- and Inter-Action Understanding via Temporal Action Parsing

  • 论文：https://arxiv.org/abs/2005.10229

  • 主页和数据集：https://sdolivia.github.io/TAPOS/

Dynamic Refinement Network for Oriented and Densely Packed Object Detection

  • 论文下载链接：https://arxiv.org/abs/2005.09973

  • 代码和数据集：https://github.com/Anymake/DRN_CVPR2020

COCAS: A Large-Scale Clothes Changing Person Dataset for Re-identification

  • 论文：https://arxiv.org/abs/2005.07862

  • 数据集：暂无

KeypointNet: A Large-scale 3D Keypoint Dataset Aggregated from Numerous Human Annotations

  • 论文：https://arxiv.org/abs/2002.12687

  • 数据集：https://github.com/qq456cvb/KeypointNet

MSeg: A Composite Dataset for Multi-domain Semantic Segmentation

  • 论文：http://vladlen.info/papers/MSeg.pdf

  • 代码：https://github.com/mseg-dataset/mseg-api

  • 数据集：https://github.com/mseg-dataset/mseg-semantic

AvatarMe: Realistically Renderable 3D Facial Reconstruction "in-the-wild"

  • 论文：https://arxiv.org/abs/2003.13845

  • 数据集：https://github.com/lattas/AvatarMe

Learning to Autofocus

  • 论文：https://arxiv.org/abs/2004.12260

  • 数据集：暂无

FaceScape: a Large-scale High Quality 3D Face Dataset and Detailed Riggable 3D Face Prediction

  • 论文：https://arxiv.org/abs/2003.13989

  • 代码：https://github.com/zhuhao-nju/facescape

Bodies at Rest: 3D Human Pose and Shape Estimation from a Pressure Image using Synthetic Data

  • 论文下载链接：https://arxiv.org/abs/2004.01166

  • 代码：https://github.com/Healthcare-Robotics/bodies-at-rest

  • 数据集：https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/KOA4ML

FineGym: A Hierarchical Video Dataset for Fine-grained Action Understanding

  • 主页：https://sdolivia.github.io/FineGym/

  • 论文：https://arxiv.org/abs/2004.06704

A Local-to-Global Approach to Multi-modal Movie Scene Segmentation

  • 主页：https://anyirao.com/projects/SceneSeg.html

  • 论文下载链接：https://arxiv.org/abs/2004.02678

  • 代码：https://github.com/AnyiRao/SceneSeg

Deep Homography Estimation for Dynamic Scenes

  • 论文：https://arxiv.org/abs/2004.02132

  • 数据集：https://github.com/lcmhoang/hmg-dynamics

Assessing Image Quality Issues for Real-World Problems

  • 主页：https://vizwiz.org/tasks-and-datasets/image-quality-issues/

  • 论文：https://arxiv.org/abs/2003.12511

UnrealText: Synthesizing Realistic Scene Text Images from the Unreal World

  • 论文：https://arxiv.org/abs/2003.10608

  • 代码和数据集：https://github.com/Jyouhou/UnrealText/

PANDA: A Gigapixel-level Human-centric Video Dataset

  • 论文：https://arxiv.org/abs/2003.04852

  • 数据集：http://www.panda-dataset.com/

IntrA: 3D Intracranial Aneurysm Dataset for Deep Learning

  • 论文：https://arxiv.org/abs/2003.02920

  • 数据集：https://github.com/intra3d2019/IntrA

Cross-View Tracking for Multi-Human 3D Pose Estimation at over 100 FPS

  • 论文：https://arxiv.org/abs/2003.03972

  • 数据集：暂无

其他

CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Kluger_CONSAC_Robust_Multi-Model_Fitting_by_Conditional_Sample_Consensus_CVPR_2020_paper.html

  • 代码：https://github.com/fkluger/consac

Learning to Learn Single Domain Generalization

  • 论文：https://arxiv.org/abs/2003.13216

  • 代码：https://github.com/joffery/M-ADA

Open Compound Domain Adaptation

  • 主页：https://liuziwei7.github.io/projects/CompoundDomain.html

  • 数据集：https://drive.google.com/drive/folders/1_uNTF8RdvhS_sqVTnYx17hEOQpefmE2r?usp=sharing

  • 论文：https://arxiv.org/abs/1909.03403

  • 代码：https://github.com/zhmiao/OpenCompoundDomainAdaptation-OCDA

Differentiable Volumetric Rendering: Learning Implicit 3D Representations without 3D Supervision

  • 论文：http://www.cvlibs.net/publications/Niemeyer2020CVPR.pdf

  • 代码：https://github.com/autonomousvision/differentiable_volumetric_rendering

QEBA: Query-Efficient Boundary-Based Blackbox Attack

  • 论文：https://arxiv.org/abs/2005.14137

  • 代码：https://github.com/AI-secure/QEBA

Equalization Loss for Long-Tailed Object Recognition

  • 论文：https://arxiv.org/abs/2003.05176

  • 代码：https://github.com/tztztztztz/eql.detectron2

Instance-aware Image Colorization

  • 主页：https://ericsujw.github.io/InstColorization/

  • 论文：https://arxiv.org/abs/2005.10825

  • 代码：https://github.com/ericsujw/InstColorization

Contextual Residual Aggregation for Ultra High-Resolution Image Inpainting

  • 论文：https://arxiv.org/abs/2005.09704

  • 代码：https://github.com/Atlas200dk/sample-imageinpainting-HiFill

Where am I looking at? Joint Location and Orientation Estimation by Cross-View Matching

  • 论文：https://arxiv.org/abs/2005.03860

  • 代码：https://github.com/shiyujiao/cross_view_localization_DSM

Epipolar Transformers

  • 论文：https://arxiv.org/abs/2005.04551

  • 代码：https://github.com/yihui-he/epipolar-transformers

Bringing Old Photos Back to Life

  • 主页：http://raywzy.com/Old_Photo/

  • 论文：https://arxiv.org/abs/2004.09484

MaskFlownet: Asymmetric Feature Matching with Learnable Occlusion Mask

  • 论文：https://arxiv.org/abs/2003.10955

  • 代码：https://github.com/microsoft/MaskFlownet

Self-Supervised Viewpoint Learning from Image Collections

  • 论文：https://arxiv.org/abs/2004.01793

  • 论文2：https://research.nvidia.com/sites/default/files/pubs/2020-03_Self-Supervised-Viewpoint-Learning/SSV-CVPR2020.pdf

  • 代码：https://github.com/NVlabs/SSV

Towards Discriminability and Diversity: Batch Nuclear-norm Maximization under Label Insufficient Situations

  • Oral

  • 论文：https://arxiv.org/abs/2003.12237

  • 代码：https://github.com/cuishuhao/BNM

Towards Learning Structure via Consensus for Face Segmentation and Parsing

  • 论文：https://arxiv.org/abs/1911.00957

  • 代码：https://github.com/isi-vista/structure_via_consensus

Plug-and-Play Algorithms for Large-scale Snapshot Compressive Imaging

  • Oral

  • 论文：https://arxiv.org/abs/2003.13654

  • 代码：https://github.com/liuyang12/PnP-SCI

Lightweight Photometric Stereo for Facial Details Recovery

  • 论文：https://arxiv.org/abs/2003.12307

  • 代码：https://github.com/Juyong/FacePSNet

Footprints and Free Space from a Single Color Image

  • 论文：https://arxiv.org/abs/2004.06376

  • 代码：https://github.com/nianticlabs/footprints

Self-Supervised Monocular Scene Flow Estimation

  • 论文：https://arxiv.org/abs/2004.04143

  • 代码：https://github.com/visinf/self-mono-sf

Quasi-Newton Solver for Robust Non-Rigid Registration

  • 论文：https://arxiv.org/abs/2004.04322

  • 代码：https://github.com/Juyong/Fast_RNRR

A Local-to-Global Approach to Multi-modal Movie Scene Segmentation

  • 主页：https://anyirao.com/projects/SceneSeg.html

  • 论文下载链接：https://arxiv.org/abs/2004.02678

  • 代码：https://github.com/AnyiRao/SceneSeg

DeepFLASH: An Efficient Network for Learning-based Medical Image Registration

  • 论文：https://arxiv.org/abs/2004.02097

  • 代码：https://github.com/jw4hv/deepflash

Self-Supervised Scene De-occlusion

  • 主页：https://xiaohangzhan.github.io/projects/deocclusion/

  • 论文：https://arxiv.org/abs/2004.02788

  • 代码：https://github.com/XiaohangZhan/deocclusion

Polarized Reflection Removal with Perfect Alignment in the Wild

  • 主页：https://leichenyang.weebly.com/project-polarized.html

  • 代码：https://github.com/ChenyangLEI/CVPR2020-Polarized-Reflection-Removal-with-Perfect-Alignment

Background Matting: The World is Your Green Screen

  • 论文：https://arxiv.org/abs/2004.00626

  • 代码：http://github.com/senguptaumd/Background-Matting

What Deep CNNs Benefit from Global Covariance Pooling: An Optimization Perspective

  • 论文：https://arxiv.org/abs/2003.11241

  • 代码：https://github.com/ZhangLi-CS/GCP_Optimization

Look-into-Object: Self-supervised Structure Modeling for Object Recognition

  • 论文：暂无

  • 代码：https://github.com/JDAI-CV/LIO

Video Object Grounding using Semantic Roles in Language Description

  • 论文：https://arxiv.org/abs/2003.10606

  • 代码：https://github.com/TheShadow29/vognet-pytorch

Dynamic Hierarchical Mimicking Towards Consistent Optimization Objectives

  • 论文：https://arxiv.org/abs/2003.10739

  • 代码：https://github.com/d-li14/DHM

SDFDiff: Differentiable Rendering of Signed Distance Fields for 3D Shape Optimization

  • 论文：http://www.cs.umd.edu/~yuejiang/papers/SDFDiff.pdf

  • 代码：https://github.com/YueJiang-nj/CVPR2020-SDFDiff

On Translation Invariance in CNNs: Convolutional Layers can Exploit Absolute Spatial Location

  • 论文：https://arxiv.org/abs/2003.07064

  • 代码：https://github.com/oskyhn/CNNs-Without-Borders

GhostNet: More Features from Cheap Operations

  • 论文：https://arxiv.org/abs/1911.11907

  • 代码：https://github.com/iamhankai/ghostnet

AdderNet: Do We Really Need Multiplications in Deep Learning?

  • 论文：https://arxiv.org/abs/1912.13200

  • 代码：https://github.com/huawei-noah/AdderNet

Deep Image Harmonization via Domain Verification

  • 论文：https://arxiv.org/abs/1911.13239

  • 代码：https://github.com/bcmi/Image_Harmonization_Datasets

Blurry Video Frame Interpolation

  • 论文：https://arxiv.org/abs/2002.12259

  • 代码：https://github.com/laomao0/BIN

Extremely Dense Point Correspondences using a Learned Feature Descriptor

  • 论文：https://arxiv.org/abs/2003.00619

  • 代码：https://github.com/lppllppl920/DenseDescriptorLearning-Pytorch

Filter Grafting for Deep Neural Networks

  • 论文：https://arxiv.org/abs/2001.05868

  • 代码：https://github.com/fxmeng/filter-grafting

  • 论文解读：https://www.zhihu.com/question/372070853/answer/1041569335

Action Segmentation with Joint Self-Supervised Temporal Domain Adaptation

  • 论文：https://arxiv.org/abs/2003.02824

  • 代码：https://github.com/cmhungsteve/SSTDA

Detecting Attended Visual Targets in Video

  • 论文：https://arxiv.org/abs/2003.02501

  • 代码：https://github.com/ejcgt/attention-target-detection

Deep Image Spatial Transformation for Person Image Generation

  • 论文：https://arxiv.org/abs/2003.00696

  • 代码：https://github.com/RenYurui/Global-Flow-Local-Attention

Rethinking Zero-shot Video Classification: End-to-end Training for Realistic Applications

  • 论文：https://arxiv.org/abs/2003.01455

  • 代码：https://github.com/bbrattoli/ZeroShotVideoClassification

https://github.com/charlesCXK/3D-SketchAware-SSC

https://github.com/Anonymous20192020/Anonymous_CVPR5767

https://github.com/avirambh/ScopeFlow

https://github.com/csbhr/CDVD-TSP

https://github.com/ymcidence/TBH

https://github.com/yaoyao-liu/mnemonics

https://github.com/meder411/Tangent-Images

https://github.com/KaihuaTang/Scene-Graph-Benchmark.pytorch

https://github.com/sjmoran/deep_local_parametric_filters

https://github.com/charlesCXK/3D-SketchAware-SSC

https://github.com/bermanmaxim/AOWS

https://github.com/dc3ea9f/look-into-object

你可能感兴趣的:(论文分享,计算机视觉,深度学习,机器学习,人脸识别)

  • 机器学习与深度学习间关系与区别 ℒℴѵℯ心·动ꦿ໊ོ꫞ 人工智能学习深度学习python
    一、机器学习概述定义机器学习（MachineLearning,ML）是一种通过数据驱动的方法，利用统计学和计算算法来训练模型，使计算机能够从数据中学习并自动进行预测或决策。机器学习通过分析大量数据样本，识别其中的模式和规律，从而对新的数据进行判断。其核心在于通过训练过程，让模型不断优化和提升其预测准确性。主要类型1.监督学习（SupervisedLearning）监督学习是指在训练数据集中包含输入
  • 将cmd中命令输出保存为txt文本文件 落难Coder Windowscmdwindow
    最近深度学习本地的训练中我们常常要在命令行中运行自己的代码，无可厚非，我们有必要保存我们的炼丹结果，但是复制命令行输出到txt是非常麻烦的，其实Windows下的命令行为我们提供了相应的操作。其基本的调用格式就是：运行指令>输出到的文件名称或者具体保存路径测试下，我打开cmd并且ping一下百度：pingwww.baidu.com>./data.txt看下相同目录下data.txt的输出：如果你再
  • 数字里的世界17期：2021年全球10大顶级数据中心，中国移动榜首 张三叨
    你知道吗？2016年，全球的数据中心共计用电4160亿千瓦时，比整个英国的发电量还多40％！前言每天，我们都会创造超过250万TB的数据。并且随着物联网（IOT）的不断普及，这一数据将持续增长。如此庞大的数据被存储在被称为“数据中心”的专用设施中。虽然最早的数据中心建于20世纪40年代，但直到1997-2000年的互联网泡沫期间才逐渐成为主流。当前人类的技术，比如人工智能和机器学习，已经将我们推向
  • nosql数据库技术与应用知识点 皆过客，揽星河 NoSQLnosql数据库大数据数据分析数据结构非关系型数据库
    Nosql知识回顾大数据处理流程数据采集(flume、爬虫、传感器)数据存储(本门课程NoSQL所处的阶段)Hdfs、MongoDB、HBase等数据清洗(入仓)Hive等数据处理、分析(Spark、Flink等)数据可视化数据挖掘、机器学习应用(Python、SparkMLlib等)大数据时代存储的挑战(三高)高并发(同一时间很多人访问)高扩展(要求随时根据需求扩展存储)高效率(要求读写速度快)
  • Python开发常用的三方模块如下： 换个网名有点难 python开发语言
    Python是一门功能强大的编程语言，拥有丰富的第三方库，这些库为开发者提供了极大的便利。以下是100个常用的Python库，涵盖了多个领域：1、NumPy，用于科学计算的基础库。2、Pandas，提供数据结构和数据分析工具。3、Matplotlib，一个绘图库。4、Scikit-learn，机器学习库。5、SciPy，用于数学、科学和工程的库。6、TensorFlow，由Google开发的开源机
  • Python实现简单的机器学习算法 master_chenchengg pythonpython办公效率python开发IT
    Python实现简单的机器学习算法开篇：初探机器学习的奇妙之旅搭建环境：一切从安装开始必备工具箱第一步：安装Anaconda和JupyterNotebook小贴士：如何配置Python环境变量算法初体验：从零开始的Python机器学习线性回归：让数据说话数据准备：从哪里找数据编码实战：Python实现线性回归模型评估：如何判断模型好坏逻辑回归：从分类开始理论入门：什么是逻辑回归代码实现：使用skl
  • 遥感影像的切片处理 sand&wich 计算机视觉python图像处理
    在遥感影像分析中，经常需要将大尺寸的影像切分成小片段，以便于进行详细的分析和处理。这种方法特别适用于机器学习和图像处理任务，如对象检测、图像分类等。以下是如何使用Python和OpenCV库来实现这一过程，同时确保每个影像片段保留正确的地理信息。准备环境首先，确保安装了必要的Python库，包括numpy、opencv-python和xml.etree.ElementTree。这些库将用于图像处理
  • 推荐3家毕业AI论文可五分钟一键生成！文末附免费教程！ 小猪包333 写论文人工智能AI写作深度学习计算机视觉
    在当前的学术研究和写作领域，AI论文生成器已经成为许多研究人员和学生的重要工具。这些工具不仅能够帮助用户快速生成高质量的论文内容，还能进行内容优化、查重和排版等操作。以下是三款值得推荐的AI论文生成器：千笔-AIPassPaper、懒人论文以及AIPaperPass。千笔-AIPassPaper千笔-AIPassPaper是一款基于深度学习和自然语言处理技术的AI写作助手，旨在帮助用户快速生成高质
  • AI大模型的架构演进与最新发展 季风泯灭的季节 AI大模型应用技术二人工智能架构
    随着深度学习的发展，AI大模型（LargeLanguageModels,LLMs）在自然语言处理、计算机视觉等领域取得了革命性的进展。本文将详细探讨AI大模型的架构演进，包括从Transformer的提出到GPT、BERT、T5等模型的历史演变，并探讨这些模型的技术细节及其在现代人工智能中的核心作用。一、基础模型介绍：Transformer的核心原理Transformer架构的背景在Transfo
  • ai绘画工具midjourney怎么下载？附作品管理教程 设计师早上好
    Midjourney是一款功能强大的AI绘画工具，它使用机器学习技术和深度神经网络等算法，可以生成各种艺术风格的绘画作品。在创意设计、广告宣传等方面有着广泛的应用前景。那么，ai绘画工具midjourney怎么下载？本文将为您介绍Midjourney的下载以及作品的相关管理。一、Midjourney下载Midjourney的下载非常简单，只需打开Midjourney官网（点击“GetMidjour
  • [实践应用] 深度学习之模型性能评估指标 YuanDaima2048 深度学习工具使用深度学习人工智能损失函数性能评估pytorchpython机器学习
    文章总览：YuanDaiMa2048博客文章总览深度学习之模型性能评估指标分类任务回归任务排序任务聚类任务生成任务其他介绍在机器学习和深度学习领域，评估模型性能是一项至关重要的任务。不同的学习任务需要不同的性能指标来衡量模型的有效性。以下是对一些常见任务及其相应的性能评估指标的详细解释和总结。分类任务分类任务是指模型需要将输入数据分配到预定义的类别或标签中。以下是分类任务中常用的性能指标：准确率(
  • [实践应用] 深度学习之优化器 YuanDaima2048 深度学习工具使用pytorch深度学习人工智能机器学习python优化器
    文章总览：YuanDaiMa2048博客文章总览深度学习之优化器1.随机梯度下降（SGD）2.动量优化（Momentum）3.自适应梯度（Adagrad）4.自适应矩估计（Adam）5.RMSprop总结其他介绍在深度学习中，优化器用于更新模型的参数，以最小化损失函数。常见的优化函数有很多种，下面是几种主流的优化器及其特点、原理和PyTorch实现：1.随机梯度下降（SGD）原理:随机梯度下降通过
  • 机器学习-聚类算法 不良人龍木木 机器学习机器学习算法聚类
    机器学习-聚类算法1.AHC2.K-means3.SC4.MCL仅个人笔记，感谢点赞关注！1.AHC2.K-means3.SC传统谱聚类：个人对谱聚类算法的理解以及改进4.MCL目前仅专注于NLP的技术学习和分享感谢大家的关注与支持！
  • 生成式地图制图 Bwywb_3 深度学习机器学习深度学习生成对抗网络
    生成式地图制图（GenerativeCartography）是一种利用生成式算法和人工智能技术自动创建地图的技术。它结合了传统的地理信息系统（GIS）技术与现代生成模型（如深度学习、GANs等），能够根据输入的数据自动生成符合需求的地图。这种方法在城市规划、虚拟环境设计、游戏开发等多个领域具有应用前景。主要特点：自动化生成：通过算法和模型，系统能够根据输入的地理或空间数据自动生成地图，而无需人工逐
  • 未来软件市场是怎么样的？做开发的生存空间如何？ cesske 软件需求
    目录前言一、未来软件市场的发展趋势二、软件开发人员的生存空间前言未来软件市场是怎么样的？做开发的生存空间如何？一、未来软件市场的发展趋势技术趋势：人工智能与机器学习：随着技术的不断成熟，人工智能将在更多领域得到应用，如智能客服、自动驾驶、智能制造等，这将极大地推动软件市场的增长。云计算与大数据：云计算服务将继续普及，大数据技术的应用也将更加广泛。企业将更加依赖云计算和大数据来优化运营、提升效率，并
  • 吴恩达深度学习笔记(30)-正则化的解释 极客Array
    正则化（Regularization）深度学习可能存在过拟合问题——高方差，有两个解决方法，一个是正则化，另一个是准备更多的数据，这是非常可靠的方法，但你可能无法时时刻刻准备足够多的训练数据或者获取更多数据的成本很高，但正则化通常有助于避免过拟合或减少你的网络误差。如果你怀疑神经网络过度拟合了数据，即存在高方差问题，那么最先想到的方法可能是正则化，另一个解决高方差的方法就是准备更多数据，这也是非常
  • 个人学习笔记7-6：动手学深度学习pytorch版-李沐 浪子L 深度学习深度学习笔记计算机视觉python人工智能神经网络pytorch
    #人工智能##深度学习##语义分割##计算机视觉##神经网络#计算机视觉13.11全卷积网络全卷积网络（fullyconvolutionalnetwork，FCN）采用卷积神经网络实现了从图像像素到像素类别的变换。引入l转置卷积（transposedconvolution）实现的，输出的类别预测与输入图像在像素级别上具有一一对应关系：通道维的输出即该位置对应像素的类别预测。13.11.1构造模型下
  • python中zeros用法_Python中的numpy.zeros()用法 江平舟 python中zeros用法
    numpy.zeros()函数是最重要的函数之一,广泛用于机器学习程序中。此函数用于生成包含零的数组。numpy.zeros()函数提供给定形状和类型的新数组,并用零填充。句法numpy.zeros(shape,dtype=float,order='C'参数形状：整数或整数元组此参数用于定义数组的尺寸。此参数用于我们要在其中创建数组的形状,例如(3,2)或2。dtype：数据类型(可选)此参数用于
  • 深度学习-点击率预估-研究论文2024-09-14速读 sp_fyf_2024 深度学习人工智能
    深度学习-点击率预估-研究论文2024-09-14速读1.DeepTargetSessionInterestNetworkforClick-ThroughRatePredictionHZhong,JMa,XDuan,SGu,JYao-2024InternationalJointConferenceonNeuralNetworks,2024深度目标会话兴趣网络用于点击率预测摘要：这篇文章提出了一种新
  • 计算机视觉中，Pooling的作用 Wils0nEdwards 计算机视觉人工智能
    在计算机视觉中，Pooling（池化）是一种常见的操作，主要用于卷积神经网络（CNN）中。它通过对特征图进行下采样，减少数据的空间维度，同时保留重要的特征信息。Pooling的作用可以归纳为以下几个方面：1.降低计算复杂度与内存需求Pooling操作通过对特征图进行下采样，减少了特征图的空间分辨率（例如，高度和宽度）。这意味着网络需要处理的数据量会减少，从而降低了计算量和内存需求。这对大型神经网络
  • 【NumPy】深入解析numpy.zeros()函数 二七830 numpy
    欢迎莅临我的个人主页这里是我深耕Python编程、机器学习和自然语言处理（NLP）领域，并乐于分享知识与经验的小天地！博主简介：我是二七830，一名对技术充满热情的探索者。多年的Python编程和机器学习实践，使我深入理解了这些技术的核心原理，并能够在实际项目中灵活应用。尤其是在NLP领域，我积累了丰富的经验，能够处理各种复杂的自然语言任务。技术专长：我熟练掌握Python编程语言，并深入研究了机
  • OpenCV图像处理技术（Python）——入门 森屿_ opencv
    ©FuXianjun.AllRightsReserved.OpenCV入门图像作为人类感知世界的视觉基础，是人类获取信息、表达信息的重要手段，OpenCV作为一个开源的计算机视觉库，它包括几百个易用的图像成像和视觉函数，既可以用于学术研究，也可用于工业邻域，它于1999年由因特尔的GaryBradski启动，OpenCV库主要由C和C++语言编写，它可以在多个操作系统上运行。1.1图像处理基本操作
  • 【中国国际航空-注册_登录安全分析报告】 风控牛 验证码接口安全评测系列安全行为验证极验网易易盾智能手机
    前言由于网站注册入口容易被黑客攻击，存在如下安全问题：1.暴力破解密码，造成用户信息泄露2.短信盗刷的安全问题，影响业务及导致用户投诉3.带来经济损失，尤其是后付费客户，风险巨大，造成亏损无底洞所以大部分网站及App都采取图形验证码或滑动验证码等交互解决方案，但在机器学习能力提高的当下，连百度这样的大厂都遭受攻击导致点名批评，图形验证及交互验证方式的安全性到底如何？请看具体分析一、中国国际航空PC
  • 机器学习 流形数据降维：UMAP 降维算法 小嗷犬 Python机器学习#数据分析及可视化机器学习算法人工智能
    ✅作者简介：人工智能专业本科在读，喜欢计算机与编程，写博客记录自己的学习历程。个人主页：小嗷犬的个人主页个人网站：小嗷犬的技术小站个人信条：为天地立心，为生民立命，为往圣继绝学，为万世开太平。本文目录UMAP简介理论基础特点与优势应用场景在Python中使用UMAP安装umap-learn库使用UMAP可视化手写数字数据集UMAP简介UMAP（UniformManifoldApproximatio
  • 损失函数与反向传播 Star_. PyTorchpytorch深度学习python
    损失函数定义与作用损失函数(lossfunction)在深度学习领域是用来计算搭建模型预测的输出值和真实值之间的误差。1.损失函数越小越好2.计算实际输出与目标之间的差距3.为更新输出提供依据（反向传播)常见的损失函数回归常见的损失函数有：均方差（MeanSquaredError，MSE）、平均绝对误差（MeanAbsoluteErrorLoss，MAE）、HuberLoss是一种将MSE与MAE
  • 七.正则化 愿风去了
    吴恩达机器学习之正则化（Regularization）http://www.cnblogs.com/jianxinzhou/p/4083921.html从数学公式上理解L1和L2https://blog.csdn.net/b876144622/article/details/81276818虽然在线性回归中加入基函数会使模型更加灵活，但是很容易引起数据的过拟合。例如将数据投影到30维的基函数上，模
  • 机器学习-------数据标准化 罔闻_spider 数据分析算法机器学习人工智能
    什么是归一化，它与标准化的区别是什么？一作用在做训练时，需要先将特征值与标签标准化，可以防止梯度防炸和过拟合；将标签标准化后，网络预测出的数据是符合标准正态分布的—StandarScaler()，与真实值有很大差别。因为StandarScaler()对数据的处理是（真实值-平均值）/标准差。同时在做预测时需要将输出数据逆标准化提升模型精度：标准化/归一化使不同维度的特征在数值上更具比较性，提高分类
  • 分享一个基于python的电子书数据采集与可视化分析 hadoop电子书数据分析与推荐系统 spark大数据毕设项目（源码、调试、LW、开题、PPT) 计算机源码社 Python项目大数据大数据pythonhadoop计算机毕业设计选题计算机毕业设计源码数据分析spark毕设
    作者：计算机源码社个人简介：本人八年开发经验，擅长Java、Python、PHP、.NET、Node.js、Android、微信小程序、爬虫、大数据、机器学习等，大家有这一块的问题可以一起交流！学习资料、程序开发、技术解答、文档报告如需要源码，可以扫取文章下方二维码联系咨询Java项目微信小程序项目Android项目Python项目PHP项目ASP.NET项目Node.js项目选题推荐项目实战|p
  • 【深度学习】训练过程中一个OOM的问题，太难查了 weixin_40293999 深度学习深度学习人工智能
    现象：各位大佬又遇到过ubuntu的这个问题么？现象是在训练过程中，ssh上不去了，能ping通，没死机，但是ubunutu的pc侧的显示器，鼠标啥都不好用了。只能重启。问题原因：OOM了95G，尼玛！！！！pytorch爆内存了，然后journald假死了，在journald被watchdog干掉之后，系统就崩溃了。这种规模的爆内存一般，即使被oomkill了，也要卡半天的，确实会这样，能不能配
  • 两种方法判断Python的位数是32位还是64位 sanqima Python编程电脑python开发语言
      Python从1991年发布以来，凭借其简洁、清晰、易读的语法、丰富的标准库和第三方工具，在Web开发、自动化测试、人工智能、图形识别、机器学习等领域发展迅猛。  Python是一种胶水语言，通过Cython库与C/C++语言进行链接，通过Jython库与Java语言进行链接。  Python是跨平台的，可运行在多种操作系统上，包括但不限于Windows、Linux和macOS。这意味着用Py
  • java封装继承多态等 麦田的设计者 javaeclipsejvmcencapsulatopn
           最近一段时间看了很多的视频却忘记总结了，现在只能想到什么写什么了，希望能起到一个回忆巩固的作用。     1、final关键字       译为：最终的        &
  • F5与集群的区别 bijian1013 weblogic集群F5
            http请求配置不是通过集群，而是F5；集群是weblogic容器的，如果是ejb接口是通过集群。         F5同集群的差别，主要还是会话复制的问题，F5一把是分发http请求用的，因为http都是无状态的服务，无需关注会话问题，类似
  • LeetCode[Math] - #7 Reverse Integer Cwind java题解MathLeetCodeAlgorithm
    原题链接：#7 Reverse Integer   要求： 按位反转输入的数字 例1： 输入 x = 123, 返回 321 例2： 输入 x = -123, 返回 -321   难度：简单   分析： 对于一般情况，首先保存输入数字的符号，然后每次取输入的末位（x%10）作为输出的高位（result = result*10 + x%10）即可。但
  • BufferedOutputStream 周凡杨
         首先说一下这个大批量，是指有上千万的数据量。      例子：      有一张短信历史表，其数据有上千万条数据，要进行数据备份到文本文件，就是执行如下SQL然后将结果集写入到文件中！      select t.msisd
  • linux下模拟按键输入和鼠标 被触发 linux
    查看/dev/input/eventX是什么类型的事件， cat /proc/bus/input/devices 设备有着自己特殊的按键键码，我需要将一些标准的按键，比如0－9，X－Z等模拟成标准按键，比如KEY_0,KEY-Z等，所以需要用到按键 模拟，具体方法就是操作/dev/input/event1文件，向它写入个input_event结构体就可以模拟按键的输入了。 linux/in
  • ContentProvider初体验 肆无忌惮_ ContentProvider
    ContentProvider在安卓开发中非常重要。与Activity，Service，BroadcastReceiver并称安卓组件四大天王。 在android中的作用是用来对外共享数据。因为安卓程序的数据库文件存放在data/data/packagename里面，这里面的文件默认都是私有的，别的程序无法访问。 如果QQ游戏想访问手机QQ的帐号信息一键登录，那么就需要使用内容提供者COnte
  • 关于Spring MVC项目（maven）中通过fileupload上传文件 843977358 mybatisspring mvc修改头像上传文件upload
    Spring MVC 中通过fileupload上传文件，其中项目使用maven管理。   1.上传文件首先需要的是导入相关支持jar包：commons-fileupload.jar,commons-io.jar 因为我是用的maven管理项目，所以要在pom文件中配置（每个人的jar包位置根据实际情况定） <!-- 文件上传 start by zhangyd-c --&g
  • 使用svnkit api，纯java操作svn，实现svn提交，更新等操作 aigo svnkit
     原文：http://blog.csdn.net/hardwin/article/details/7963318   import java.io.File; import org.apache.log4j.Logger; import org.tmatesoft.svn.core.SVNCommitInfo; import org.tmateso
  • 对比浏览器，casperjs，httpclient的Header信息 alleni123 爬虫crawlerheader
    @Override protected void doGet(HttpServletRequest req, HttpServletResponse res) throws ServletException, IOException { String type=req.getParameter("type"); Enumeration es=re
  • java.io操作 DataInputStream和DataOutputStream基本数据流 百合不是茶 java流
    1，java中如果不保存整个对象，只保存类中的属性，那么我们可以使用本篇文章中的方法，如果要保存整个对象  先将类实例化  后面的文章将详细写到     2，DataInputStream 是java.io包中一个数据输入流允许应用程序以与机器无关方式从底层输入流中读取基本 Java 数据类型。应用程序可以使用数据输出流写入稍后由数据输入流读取的数据。
  • 车辆保险理赔案例 bijian1013 车险
    理赔案例： 一货运车，运输公司为车辆购买了机动车商业险和交强险，也买了安全生产责任险，运输一车烟花爆竹，在行驶途中发生爆炸，出现车毁、货损、司机亡、炸死一路人、炸毁一间民宅等惨剧，针对这几种情况，该如何赔付。 赔付建议和方案： 客户所买交强险在这里不起作用，因为交强险的赔付前提是：“机动车发生道路交通意外事故”； 如果是交通意外事故引发的爆炸，则优先适用交强险条款进行赔付，不足的部分由商业
  • 学习Spring必学的Java基础知识(5)—注解 bijian1013 javaspring
            文章来源：http://www.iteye.com/topic/1123823，整理在我的博客有两个目的：一个是原文确实很不错，通俗易懂，督促自已将博主的这一系列关于Spring文章都学完；另一个原因是为免原文被博主删除，在此记录，方便以后查找阅读。           有必要对
  • 【Struts2一】Struts2 Hello World bit1129 Hello world
    Struts2 Hello World应用的基本步骤 创建Struts2的Hello World应用，包括如下几步： 1.配置web.xml 2.创建Action 3.创建struts.xml，配置Action 4.启动web server，通过浏览器访问   配置web.xml <?xml version="1.0" encoding="
  • 【Avro二】Avro RPC框架 bit1129 rpc
    1. Avro RPC简介 1.1. RPC RPC逻辑上分为二层，一是传输层，负责网络通信；二是协议层，将数据按照一定协议格式打包和解包 从序列化方式来看，Apache Thrift 和Google的Protocol Buffers和Avro应该是属于同一个级别的框架，都能跨语言，性能优秀，数据精简，但是Avro的动态模式（不用生成代码，而且性能很好）这个特点让人非常喜欢，比较适合R
  • lua　set get cookie ronin47 lua cookie
    lua: local access_token = ngx.var.cookie_SGAccessToken if access_token then ngx.header["Set-Cookie"] = "SGAccessToken="..access_token.."; path=/;Max-Age=3000" end
  • java-打印不大于N的质数 bylijinnan java
    public class PrimeNumber { /** * 寻找不大于N的质数 */ public static void main(String[] args) { int n=100; PrimeNumber pn=new PrimeNumber(); pn.printPrimeNumber(n); System.out.print
  • Spring源码学习-PropertyPlaceholderHelper bylijinnan javaspring
    今天在看Spring 3.0.0.RELEASE的源码，发现PropertyPlaceholderHelper的一个bug 当时觉得奇怪，上网一搜，果然是个bug，不过早就有人发现了，且已经修复： 详见： http://forum.spring.io/forum/spring-projects/container/88107-propertyplaceholderhelper-bug
  • [逻辑与拓扑]布尔逻辑与拓扑结构的结合会产生什么? comsci 拓扑
       如果我们已经在一个工作流的节点中嵌入了可以进行逻辑推理的代码,那么成百上千个这样的节点如果组成一个拓扑网络,而这个网络是可以自动遍历的,非线性的拓扑计算模型和节点内部的布尔逻辑处理的结合,会产生什么样的结果呢?    是否可以形成一种新的模糊语言识别和处理模型呢?  大家有兴趣可以试试,用软件搞这些有个好处,就是花钱比较少,就算不成
  • ITEYE 都换百度推广了 cuisuqiang GoogleAdSense百度推广广告外快
    以前ITEYE的广告都是谷歌的Google AdSense，现在都换成百度推广了。   为什么个人博客设置里面还是Google AdSense呢？   都知道Google AdSense不好申请，这在ITEYE上也不是讨论了一两天了，强烈建议ITEYE换掉Google AdSense。至少，用一个好申请的吧。   什么时候能从ITEYE上来点外快，哪怕少点
  • 新浪微博技术架构分析 dalan_123 新浪微博架构
    新浪微博在短短一年时间内从零发展到五千万用户，我们的基层架构也发展了几个版本。第一版就是是非常快的，我们可以非常快的实现我们的模块。我们看一下技术特点，微博这个产品从架构上来分析，它需要解决的是发表和订阅的问题。我们第一版采用的是推的消息模式，假如说我们一个明星用户他有10万个粉丝，那就是说用户发表一条微博的时候，我们把这个微博消息攒成10万份，这样就是很简单了，第一版的架构实际上就是这两行字。第
  • 玩转ARP攻击 dcj3sjt126com r
    我写这片文章只是想让你明白深刻理解某一协议的好处。高手免看。如果有人利用这片文章所做的一切事情，盖不负责。 网上关于ARP的资料已经很多了，就不用我都说了。 用某一位高手的话来说，“我们能做的事情很多，唯一受限制的是我们的创造力和想象力”。 ARP也是如此。 以下讨论的机子有 一个要攻击的机子：10.5.4.178 硬件地址：52:54:4C:98
  • PHP编码规范 dcj3sjt126com 编码规范
    一、文件格式 1. 对于只含有 php 代码的文件，我们将在文件结尾处忽略掉 "?>" 。这是为了防止多余的空格或者其它字符影响到代码。例如：<?php$foo = 'foo';2. 缩进应该能够反映出代码的逻辑结果，尽量使用四个空格，禁止使用制表符TAB，因为这样能够保证有跨客户端编程器软件的灵活性。例
  • linux 脱机管理（nohup） eksliang linux nohupnohup
    脱机管理 nohup 转载请出自出处：http://eksliang.iteye.com/blog/2166699 nohup可以让你在脱机或者注销系统后，还能够让工作继续进行。他的语法如下 nohup [命令与参数] --在终端机前台工作 nohup [命令与参数] & --在终端机后台工作   但是这个命令需要注意的是，nohup并不支持bash的内置命令，所
  • BusinessObjects Enterprise Java SDK greemranqq javaBOSAPCrystal Reports
    最近项目用到oracle_ADF  从SAP/BO 上调用 水晶报表，资料比较少，我做一个简单的分享，给和我一样的新手 提供更多的便利。   首先，我是尝试用JAVA JSP 去访问的。   官方API：http://devlibrary.businessobjects.com/BusinessObjectsxi/en/en/BOE_SDK/boesdk_ja
  • 系统负载剧变下的管控策略 iamzhongyong 高并发
    假如目前的系统有100台机器，能够支撑每天1亿的点击量（这个就简单比喻一下），然后系统流量剧变了要，我如何应对，系统有那些策略可以处理，这里总结了一下之前的一些做法。 1、水平扩展 这个最容易理解，加机器，这样的话对于系统刚刚开始的伸缩性设计要求比较高，能够非常灵活的添加机器，来应对流量的变化。 2、系统分组 假如系统服务的业务不同，有优先级高的，有优先级低的，那就让不同的业务调用提前分组
  • BitTorrent DHT 协议中文翻译 justjavac bit
    前言 做了一个磁力链接和BT种子的搜索引擎 {Magnet & Torrent}，因此把 DHT 协议重新看了一遍。 BEP: 5Title: DHT ProtocolVersion: 3dec52cb3ae103ce22358e3894b31cad47a6f22bLast-Modified: Tue Apr 2 16:51:45 2013 -070
  • Ubuntu下Java环境的搭建 macroli java工作ubuntu
    配置命令： 　　$sudo apt-get install ubuntu-restricted-extras 　　再运行如下命令： 　　$sudo apt-get install sun-java6-jdk 　　待安装完毕后选择默认Java. 　　$sudo update- alternatives --config java 　　安装过程提示选择，输入“2”即可，然后按回车键确定。
  • js字符串转日期（兼容IE所有版本） qiaolevip TODateStringIE
    /** * 字符串转时间（yyyy-MM-dd HH:mm:ss） * result （分钟） */ stringToDate : function(fDate){ var fullDate = fDate.split(" ")[0].split("-"); var fullTime = fDate.split("
  • 【数据挖掘学习】关联规则算法Apriori的学习与SQL简单实现购物篮分析 superlxw1234 sql数据挖掘关联规则
    关联规则挖掘用于寻找给定数据集中项之间的有趣的关联或相关关系。 关联规则揭示了数据项间的未知的依赖关系，根据所挖掘的关联关系，可以从一个数据对象的信息来推断另一个数据对象的信息。 例如购物篮分析。牛奶 ⇒ 面包 [支持度：3%，置信度：40%] 支持度3%：意味3%顾客同时购买牛奶和面包。 置信度40%：意味购买牛奶的顾客40%也购买面包。 规则的支持度和置信度是两个规则兴
  • Spring 5.0 的系统需求，期待你的反馈 wiselyman spring
                   Spring 5.0将在2016年发布。Spring5.0将支持JDK 9。          Spring 5.0的特性计划还在工作中，请保持关注，所以作者希望从使用者得到关于Spring 5.0系统需求方面的反馈。  
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他