公众号内容拓展学习笔记（2021.4.9）

公众号内容拓展学习笔记（2021.4.9）

---

今日要点

1. 用双注意力模块来做语义分割 ⭐️⭐️⭐️

   • 主要内容：通过双注意力机制提高性能，给出更精确的分割结果
   • 论文：Dual Attention Network for Scene Segmentation

2. 深度学习多目标优化的多个loss应该如何权衡 ⭐️⭐️⭐️

   • 主要内容：多任务学习的综述
   • 论文：Multi-Task Learning for Dense Prediction Tasks: A Survey
   • Tips：总结图片来源于[论文翻译]Multi-Task Learning for Dense Prediction Tasks: A Survey

3. 将“复制粘贴”嵌入到图像修复中：Shift-Net使用深度特征重排的图像修复方法 ⭐️⭐️

   • 主要内容：利用传统的“复制-粘贴”方法(良好的局部细节)和现代深度学习方法(良好的全局一致性)的优势，进行图像修复
   • 论文：Shift-Net: Image Inpainting via Deep Feature Rearrangement
   • GitHub：https://github.com/Zhaoyi-Yan/Shift-Net_pytorch

4. 【CVPR】Facebook提出FP-NAS：搜索速度更快、分类精度更高、性能更好 ⭐️⭐️

   • 主要内容：FP-NAS，一种新的自适应架构分布熵的架构方法
   • 论文：FP-NAS: Fast Probabilistic Neural Architecture Search

5. 利用合成图像对热图像进行鲁棒行人检测 ⭐️⭐️

   • 主要内容：一种基于LSGAN的新型GAN结构，用于将可见光光谱图像转换成热光谱图像。同时将真实图片和合成图片混合训练。
   • 论文：Robust pedestrian detection in thermal imagery using synthesized images

6. OpenCV4.5.1 | 使用一行代码将图像匹配性能提高14% ⭐️⭐️

   • 主要内容：BEBLID（Boosted effective Binary Local Image Descriptor），它是一种新的描述符，能够在减少执行时间的同时提高图像匹配精度！
   • GitHub：https://github.com/iago-suarez/beblid-opencv-demo/blob/main/demo.ipynb

7. CVPR 2021 | 稀疏纹理也能匹配？速览基于Transformers的图像特征匹配器LoFTR ⭐️⭐️

   • 主要内容：一种新颖的用于局部图像特征匹配的方法，结合Transformers。
   • 论文：LoFTR: Detector-Free Local Feature Matching with Transformers
   • 项目地址：https://zju3dv.github.io/loftr

Others

• 由于图片权限问题，GitHub是完整版，可以点点 star
• 星标的数量是与个人相关程度，不代表文章内容的好坏
• 关注我的CSDN博客
• 关注我的哔哩哔哩
• 关注我的公众号CV伴读社