//zhuanlan.zhihu.com/p/55263898今天的主题是Face++Detection组近两年持续在做的SemanticSegmentation相关工作，代表性成果主要有1)GCN(CVPR2017

Photo-RealisticSingleImageSuper-ResolutionUsingaGenerativeAdversarialNetwork摘要论文主体实现代码DatasetModelSRGAN实现结果摘要Despitethebreakthroughsinaccuracyandspeedofsingleimagesuper-resolutionusingfasteranddeeperc

CVPR2017论文：DeepImageMatting地址：https://arxiv.org/pdf/1703.03872.pdf1.主要内容：给出图像Input和其三元图trimap(一个蒙版包含：

论文原址:https://arxiv.org/abs/1709.01507github:https://github.com/hujie-frank/SENet摘要卷积网络的关键构件是卷积操作，在每层感受野的范围内通过融合局部及channel-wise信息可以使网络构建特征。一些研究关注空间组件，通过增强空间特征等级的编码能力在增强表示力。本文重点在于通道之间的联系，提出了SENetblock，通

论文讲解：https://www.cnblogs.com/bonelee/p/9030092.htmlhttps://www.jianshu.com/p/59fdc448a33f代码：caffe：https://github.com/hujie-frank/SENetpytorch：https://github.com/moskomule/senet.pytorchhttps://github.c

本文主要依据YOLO2论文翻译而来，论文可阅读自cvpr2017：http://openaccess.thecvf.com/content_cvpr_2017/papers/Redmon_YOLO9000

OpenCV3.4.2和即将发布的OpenCV4加入了一个强大的文本检测算法——EASTtextdetector，该算法来自于旷视科技发表于CVPR2017的论文《EAST:AnEfficientandAccurateSceneTextDetector

CVPR2017Paper分享CVPR2017论文，持续更新。。。精选论文学习分享，实时分享当前热点算法。

SynthesizingNormalizedFacesfromFacialIdentityFeatures从面部身份特征合成正则化人脸CVPR2017一．摘要目标：提出了一种方法对于一个给定的输入人脸图像合成一个正面的中性表情的图像

YOLO-v2阅读笔记YOLO-v2论文标题：《YOLO9000:Better,Faster,Stronger》，CVPR2017的文章。论文地址：（懒得写链接了）。

[3]DeepLocalVideoFeatureforActionRecognition[CVPR2017]这篇文章是TSN网络的一种改进，其首先使用TSN提取局部特征，并探索了从网络的那一层提取特征比较合适

DeepTemporalLinearEncodingNetworks这是CVPR2017的文章，主要提出了一种时序线性编码层（TemporalLinearEncoding,TLE）来对视频分段提取后的特征图进行融合编码

ForecastingHumanDynamicsfromStaticImages（CVPR2017）这篇文章主要是在Hourglassnetwork上加入了RNN，具体如

CVPR2017追踪之论文纲要（修正于2020.08.28）讲在前面论文目录讲在前面论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400

原创CFNet：基于孪生网络的反向传播滤波器2018-11-1417:34:55Zxin_187阅读数1002更多分类专栏：基于相关滤波的目标跟踪目标跟踪基于深度的目标跟踪论文摘自CVPR2017，由JackValmadre

特征金字塔网络（FeaturePyramidNetworks）让我们以现在著名的FeaturePyramidNetworks（FPN）[1]开始，这是在CVPR2017发表的论文，作者Tsung-YiLin

参考论文：FeaturePyramidNetworksforObjectDetection会议水平：CVPR2017开源代码：https://github.com/unsky/FPN1.多尺度目标检测问题

论文阅读：Fine-tuningConvolutionalNeuralNetworksforBiomedicalImageAnalysis:ActivelyandIncrementally本篇论文发表于CVPR2017

前言本篇文章出自CVPR2017，四名作者为TsinghuaUniversity，PekingUniversity,外加两名来自Megvii（旷视科技）的大佬。

1、CSR-DCF跟踪算法Github下载地址：https://github.com/alanlukezic/csr-dcf2、打开compile.m更改为自己的OpenCV安装路径3、运行compile.m，此时需要调用C++编译器，如果出现错误，请参考博客配置好matlab中的C++编译环境：https://blog.csdn.net/qq_17783559/article/details/8

NeuralBabyTalk,cvpr2018与《KnowingWhentoLook:AdaptiveAttentionviaAVisualSentinelforImageCaptioning》cvpr2017

来源CVPR2017名词解释迁移学习迁移学习的效果与知识的表示是很相关的。

论文地址：https://arxiv.org/abs/1704.05548项目地址：http://www.cs.toronto.edu/polyrnn概述Polygon-RNN是一篇收录于CVPR2017

ImageSuper-ResolutionviaDeepRecursiveResidualNetwork下载地址：http://pan.baidu.com/s/1hsQk8j6code：https://github.com/tyshiwo/DRRN_CVPR17这是一篇CVPR2017

期刊论文：https://arxiv.org/abs/1710.01992会议论文CVPR2017：http://vllab.ucmerced.edu/wlai24/LapSRN/papers/cvpr17

Learningfromsimulatedandunsupervisedimagesthroughadversarialtraining.”IEEEConferenceonComputerVisionandPatternRecognition.2017概述本文是Apple在机器学习领域的首秀，同时也是CVPR2017

1.Background这次我来介绍一篇深度网络文章《DilatedResidualNetworks》，发表在CVPR2017会议上。作者是普林斯顿大学的FisherYu博士等人。网络简称为DRN。

DenseNet是CVPR2017的文章，论文原文《DenselyConnectedConvolutionalNetworks》。在深度神经网络中，随着网络深度的加深，梯度消失问题越来越明显。

DenseNet凭借着优秀的表现当选CVPR2017最佳论文，而他的网络结构并不复杂，思想也很简单，可

1.3DBoundingBoxEstimationUsingDeepLearningandGeometry(CVPR2017)WeshowthatanovelMultiBindiscretecontinuousformulationoftheorientationregressionsignif

这篇论文是CVPR2017的最佳论文，即16年的resnet之后这篇文章提出了DenseNet这样一个全新的网络框架，丰富了自LeNet至今的CNN网络体系。

[转载自http://www.yyliu.cn/post/7cabb4ff.html]CVPR2017上，清华大学的ZhuangLiu、康奈尔大学的GaoHuang和KilianQ.Weinberger

DenseNet—《DenselyConnectedConvolutionalNetworks》这学期数字图像处理课程要求在课堂做一次presentation，于是选择了CVPR2017最佳论文《DenselyConnectedConvolutionalNetworks

1、网络结构（CVPR2017最佳论文）与Inception系列和ResNet网络不通，Inception网络主要是从网络的宽度方面改进网络的结构从而提高网络的表达能力，而ResNet主要是从网络的深度方面改进网络的结构来提高表达能力

本文介绍的最后一个网络是CVPR2017最佳论文DenseNet，论文中提出的Dens

论文发表于CVPR2017,先放上论文链接：添加链接描述在图像领域的大规模ImageNet数据集，对于图像分类、目标检测、语义分割等任务，在其上预训练的模型迁移到相应的数据集时可以获得非常好的效果，从而在

论文：AnEfficientandAccurateSceneTextDetectorgithub:https://github.com/argman/EAST旷世科技在CVPR2017的作品优势：提供了方向信息

1、网络结构（CVPR2017）如果说ResNeXt是ResNet的增强版，那毫无疑问，Xception就是Inception家族的增强版，为什么？因为牛X呀。

CVPR2017的一篇论文LearningDeepCNNDenoiserPriorforImageRestoration：一般的，imagerestoration(IR)任务旨在从观察的退化变量$y$(

CVPR2017刚刚结束，心想选几篇论文拜读一下，大牛就是大牛，仅供瞻仰。

本文是CVPR2017论文Denselyconnectedconvolutionalnetworks.的翻译学习，因为作者本人水平有限，如有不准确的地方还望读者不吝赐教。

CVPR2017刚刚结束，心想选几篇论文拜读一下，大牛就是大牛，仅供瞻仰。

本文只主要有两个贡献。ImageNet表明在足够大的数据集上训练网络之后，在其他的数据集甚至其它类型的任务上直接使用pre-trained参数初始化能够取得很好的效果。本文探究了在足够大的视频数据集Kinetics上训练了之后在UCF101和HMDB51上能够得到非常好的效果，可以达到在目前最好的效果。总结了经典的动作分类方法，提出了一个新的结构组合方式，即把3Dconv应用到two-tream的

RPNDaSiamRPN（ECCV2018）SiamRPN++（CVPR2019）：ResNet+multilevelfeature，对每个层的特征都做RPN，再结合，和C-RPN不一样；CFNet（CVPR2017

论文：ModelingandPropagatingCNNsinaTreeStructureforVisualTracking（CVPR2017）这篇论文是VOT2016的亚军，是由韩国POSTECH大学的

CVPR2017目标跟踪领域中的一篇，文章的亮点在于实现了基于分割的跟踪，博主刚好对这一方向比较感兴趣，所以解读一下文章。

参考论文：L2-Net:DeepLearningofDiscriminativePatchDescriptorinEuclideanSpace会议水平：CVPR2017供稿单位：中科院自动化所1.摘要及目的利用卷积神经网络在欧式空间下学习高效性能的描述子

1)ControllingPerceptualFactorinNeuralStyleTransfer(cvpr2017)2)ImageNeuralStyleTransferWithPreservingtheSalient

语言:English这是一篇CVPR2017的投稿（ArXiv的链接：https://arxiv.org/pdf/1612.02844v1.pdf）在这里给大家介绍一下这部分的工作，不像写论文那样用词严谨

Windows10+Cifar10+DenseNet训练和预测（C++）详细过程（训练自己的图片也试用），附：问题总结前言论文名称：DenselyConnectedConvolutionalNetworks（CVPR2017