CVPR2018 第4页

StarGAN：支持多领域图像生成的生成对抗网络实践

GAN家族在CVPR2018时候迎来一个新强悍的成员，即：StarGAN:UnifiedGenerativeAdversarialNetworksforMulti-DomainImage-to-ImageTranslation

sparkexpert·2020-08-26 23:40

StarGAN

CVPR2018《StarGAN:UnifiedGenerativeAdversarialNetworksforMulti-DomainImage-to-ImageTranslation》github-

Forlogen·2020-08-26 23:14

论文学习笔记 - ATSS

『写在前面』深入剖析了导致Anchorbased模型与Anchorfree模型性能差距的原因，并基于此提出了自适应训练样本选择（ATSS），达到了新的SOTA.该篇文章作者还是RefineDet（CVPR2018

Wilber529·2020-08-26 14:56

（七）论文阅读 | 目标检测之ASFF

CVPR2018{\rmCVPR\2018}CVPR2018的PANet{\rmPANet}PANet也旨在改善特征融合这一问题。本论文的主要创新点是针对FPN{\rmFP

Skies_·2020-08-26 12:09

视频显著性检测----《Flow Guided Recurrent Neural Encoder for Video Salient Object Detection》

本文将重点与大家探讨和分享发表于CVPR2018上的视频显著性检测文章–《FlowGuidedRecurrentNeuralEncoderforVideoSalientObjectDetection》，

ReaFly·2020-08-25 04:07

两篇img2struct论文

两篇img2struct论文【ICCV2017】3D-PRNN:GeneratingShapePrimitiveswithRecurrentNeuralNetworks【CVPR2018】Im2Struct

莫谷莫谷·2020-08-25 01:07

CVPR2018已公布关于视频目标跟踪的论文简要分析与总结

CVPR2018已公布关于视频目标跟踪的论文简要分析与总结一，ATwofoldSiameseNetworkforReal-TimeObjectTracking论文名称ATwofoldSiameseNetworkforReal-TimeObjectTracking

weixin_40645129·2020-08-24 04:45

CVPR2018论文阅读--Occluded Pedestrian Detection Through Guided Attention in CNNs

引言以往的在行人检测中解决遮挡问题都是设计特定的遮挡Pattern。这样做的最大问题是不能够枚举出来所有的遮挡情况。因此，该文提出一种attentionmechanism来帮助检测器

GuanghaoChen·2020-08-24 01:31

《Neural Baby Talk》 CVPR2018

NeuralBabyTalk,cvpr2018与《KnowingWhentoLook:AdaptiveAttentionviaAVisualSentinelforImageCaptioning》cvpr2017

longturn·2020-08-23 17:23

CVPR 2018 论文概述：有损压缩视频的多帧质量增强方法

CVPR2018论文概述：有损压缩视频的多帧质量增强方法杨韧来源于：https://zhuanlan.zhihu.com/p/34465746本篇论文为CVPR2018年录用论文《MultiFrameQualityEnhancementforCompressedVideo

心路远方·2020-08-23 07:53

读书笔记33：SSNet: Scale Selection Network for Online 3D Action Prediction（CVPR2018）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Liu_SSNet_Scale_Selection_CVPR_2018_paper.pdf摘要首先介绍问题，即actionprediction（这里括号写了个earlyactionrecognition，看后面的介绍好像是和actionrecognition有区别的，区别在于并不是用已经获得

b224618·2020-08-23 05:38

读书笔记23：Recognizing Human Actions as the Evolution of Pose Estimation Maps（CVPR2018）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Liu_Recognizing_Human_Actions_CVPR_2018_paper.pdf这篇文章和skeletonbasedactionrecognition有关系，差别在于这篇文章不使用poseestimation估计好的人体关节坐标值，而是使用poseestimation得到的

b224618·2020-08-23 05:38

读书笔记32：PoTion: Pose MoTion Representation for Action Recognition（CVPR2018）

并且http://openaccess.thecvf.com/content_cvpr_2018/papers/Choutas_PoTion_Pose_MoTion_CVPR_2018_paper.pdf摘要首先介绍背景，很多一流的动作识别方法都依赖于two-stream的架构，一个处理appearance，另一个处理motion。接着介绍本文工作，本王呢认为将这两个合起来考虑比较好，引入了一个新

b224618·2020-08-23 05:07

（CVPR2018）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Feichtenhofer_What_Have_We_CVPR_2018_paper.pdf摘要：首先是背景，深度模型在计算机视觉的每个领域都有部署，因此，理解这些深度模型得到的representation到底是怎么工作的，以及这些representation到底抓去了什么信息就变得越来越重

b224618·2020-08-23 05:07

读书笔记29：A Closer Look at Spatiotemporal Convolutions for Action Recognition（CVPR2018）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Tran_A_Closer_Look_CVPR_2018_paper.pdf本文的摘要开门见山介绍自己的工作，没有背景介绍等铺垫，这和本文的动作内容也有关，本文不是对比前人工作，针对某些不足提出新模型，而是讨论了几种不同形式的spatialtemporalconvolution模型，探讨了其

b224618·2020-08-23 05:06

读书笔记30：Recognize Actions by Disentangling Components of Dynamics（CVPR2018）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhao_Recognize_Actions_by_CVPR_2018_paper.pdf摘要首先介绍背景：尽管近些年动作识别领域的进展很大，但是其效率还是很有限的，将appearance和motion分别对待的方法常常会有需要大量计算资源计算opticalflow的问题；依赖于在原始vid

b224618·2020-08-23 05:06

读书笔记21：MiCT: Mixed 3D/2D Convolutional Tube for Human Action Recognition（CVPR2018）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhou_MiCT_Mixed_3D2D_CVPR_2018_paper.pdf本文考虑到在识别人体动作的时候，3DCNN的水平不及2DCNN在识别静态图片时的水平，认为这是由于3DCNN消耗的计算资源和存储资源过大导致不能很好的训练，因此在本文中提出了一个2D和3DCNN结合的模型进行动作

b224618·2020-08-23 04:48

读书笔记28：Compressed Video Action Recognition（CVPR2018）

http://openaccess.thecvf.com/content_cvpr_2018/papers/Wu_Compressed_Video_Action_CVPR_2018_paper.pdf本文的摘要分两段，第一段介绍背景和动机，背景是在video数据上训练robust的representation比在image上要困难得多，一部分原因是原始的video的size是变化的，并且在temp

b224618·2020-08-23 04:48

【CVPR 2018】Learning Rich Features for Image Manipulation Detection(图像篡改检测)

今天来给大家分享一篇CVPR2018的论文，检测图像的篡改区域，用更快的R-CNN网络定位图像被篡改的部分，练就PS检测的火眼金睛。让PS痕迹无处可逃。

luolan9611·2020-08-22 17:20

SFTGAN论文学习笔记

“RecoveringRealisticTextureinImageSuper-resolutionbyDeepSpatialFeatureTransform”发表于CVPR2018作者论文、补充材料、

骑猪撞地球J·2020-08-22 04:21

RDN论文阅读笔记

“ResidualDenseNetworkforImageSuper-Resolution”发表于CVPR2018论文：https://arxiv.org/abs/1802.08797代码：https:

骑猪撞地球J·2020-08-22 04:21

(IDN 轻量化CVPR2018)Fast and Accurate Single Image Super-Resolution via Information Distillation N

文章地址：https://arxiv.org/abs/1909.11856v1作者的项目地址：https://github.com/Zheng222/IDN-Caffe论文作者：ZhengHui西安电子科技大学一：简单介绍文章做的是轻量化图像超分辨率。二、网络结构网络由三个部分构成：1、特征提取模块afeatureextractionblock(FBlock),2、多个堆叠的信息蒸馏块multip

叱咤风云666·2020-08-22 02:27

cvpr2018 Scale-recurrent Network for Deep Image Deblurring

Abstract在单图像去模糊中，“粗到细”方案，即在金字塔中的不同分辨率上逐渐恢复清晰图像，在传统的基于优化的方法和最近的基于神经网络的方法中都是非常成功的。在本文中，我们研究了这种策略，并为此去模糊任务提出了SRN-DeblurNet。与[25]中最近的许多基于学习的方法相比，它具有更简单的网络结构，更少的参数并且更容易训练。我们在具有复杂运动的大规模去模糊数据集上评估我们的方法。结果表明，我

风之羁绊·2020-08-21 20:54

【论文阅读】CVPR2018: Features for Multi-Target Multi-Camera Tracking and Re-Identification

目录本文的主要贡献多目标多相机追踪（MTMCT）和行人再识别（Re-ID）的关系两者的区别两者的联系模型的流程论文结论这篇文章是由杜克大学ErgysRistani,CarloTomasi完成，在CVPR2018

Yolo_1996·2020-08-20 15:59

CVPR2018 oral《Relation Networks for Object Detection》论文阅读笔记

前言最近希望能够寻找一个NMS的替代方案，能够去除冗余检测框，并且不阻断梯度传递。这篇论文的核心内容是设计了一种关系网络，输入输出维度相等，能嵌入到目标检测任务中提高检测结果，也能代替NMS作为后处理模块。论文主要参照了Attention方法中的一些思想，设计的RelationModule是由《Attentionisallyouneed》论文中self-attention模型改进而来。本人对NLP

ryERO·2020-08-19 04:52

实例分割--(PANet)Path Aggregation Network for Instance Segmentation

PANetPathAggregationNetworkforInstanceSegmentation收录：CVPR2018(IEEEConferenceonComputerVisionandPatternRecognition

DFann·2020-08-18 03:55

CVPR2018: Generative Image Inpainting with Contextual Attention 论文翻译、解读

2019独角兽企业重金招聘Python工程师标准>>>CVPR2018:GenerativeImageInpaintingwithContextualAttention论文翻译、解读注：博主是大四学生，

weixin_33778778·2020-08-17 16:58

CVPR18基于深度学习的深度图像补全Deep Depth Completion of a Single RGB-D Image

本文介绍的是CVPR2018的一项最新研究deepdepthcompletion，不受RGB-D相机类型的限制，只需要输入一张RGB加一张depth图，可以补全任意形式深度图的缺失。

qq_41581769·2020-08-17 14:36

梳理谷歌45篇入选CVPR论文，后附GAN主题演讲PPT下载！

在计算机视觉领域，生成对抗网络GAN无疑是最受关注的主题之一，本文一并带来谷歌StaffResearchScientist、GAN的提出人IanGoodfellow在CVPR2018上作关于GAN的演讲的

数据派THU·2020-08-17 09:15

《Learning Transferable Architectures for Scalable Image Recognition》论文阅读笔记

这篇文章出自GoogleBrain，是对他们之前发表在ICLR2017的论文《NeuralArchitectureSearchwithReinforcementLearning》的改进，而这篇文章则发表在了CVPR2018

JR_Chan·2020-08-17 07:33

cascade-rcnn学习笔记

cascade-rcnn学习笔记CascadeR-CNN算法是CVPR2018的文章，通过级联几个检测网络达到不断优化预测结果的目的，与普通级联不同的是，cascadeR-CNN的几个检测网络是基于不同

just-solo·2020-08-16 19:19

【目标检测】Cascade R-CNN 论文解析

【目标检测】CascadeR-CNN论文解析目录0.论文链接1.概述2.网络结构的合理性3.网络结构4.参考链接@0.论文链接CascadeR-CNN1.概述这是CVPR2018的一篇文章，这篇文章也为我之前读

急流勇进·2020-08-16 18:49

【译】Cascade R-CNN：Delving into High Quality Object Detection论文翻译

CVPR2018年论文：CascadeR-CNN论文地址：https://arxiv.org/abs/1712.00726----------------------------------------

qq_27725245·2020-08-16 17:42

【论文解析】Cascade R-CNN: Delving into High Quality Object Detection

论文链接CVPR2018的文章。

luissen·2020-08-16 17:03

Cascade R-CNN: Delving into High Quality Object Detection[CVPR2018]

论文链接：https://arxiv.org/abs/1712.00726代码链接：https://github.com/zhaoweicai/cascade-rcnn主要：IOU阈值的选取；解决的问题：1.训练时过拟合；2.推理时qualitymismatch问题；摘要在目标检测中，IOU临界值用来定义正样本和负样本。一个目标检测器，由低的IOU临界值比如0.5来训练，经常会产生noisy检测结

女王の专属领地·2020-08-16 17:25

异常行为检测阅读笔记：Real-world Anomaly Detection in Surveillance Videos

前言这篇仍然是以前写的，CVPR2018关于异常行为检测的文章。

Blssel·2020-08-16 08:53

【CVPR2018，action recognition,动作识别】Appearance-and-Relation Networks for Video Classification...

Appearance-and-RelationNetworksforVideoClassification,CVPR2018Two-tream网络效果好，但是太耗时；2Dconv+LSTM和其他方式的效果又不太好，主要是因为LSTM只能抓住高层次的模糊信息，不能抓住细粒度的运动信息。3Dconv的效果到目前为止也不太好。所以作者提出了一个新的网络结构---ARTNet，用叫做SMART的block

ancihe9168·2020-08-16 05:54

【目标跟踪】FlowTrack：End-to-end Flow Correlation Tracking with Spatial-temporal Attention

来自CVPR2018的一篇文章原文链接：End-to-endFlowCorrelationTrackingwithSpatial-temporalAttentionMotivation作者认为目前的算法大都只考虑了目标在当前帧的表观特征

kobe_huai·2020-08-16 00:42

第四次作业：卷积神经网络part 3

图像分割——>语义分割（全卷积网络）扩大感知域ASPPPPM对于NonlocalNeuralNEetworks的理解，我去知乎上搜索了一下Non-Local是王小龙在CVPR2018年提出的一个自注意力模型

杨凯YK·2020-08-15 18:00

A Style-Aware Content Loss for Real-time HD Style Transfer（一个风格转换的风格感知损失）CVPR2018

AStyle-AwareContentLossforReal-timeHDStyleTransfer该论文贡献：提出了一个风格感知损失函数，与一个encoder-decoder网络联合训练训练出特定艺术家风格。该论文实验效果如下图，(a)(c）图分别是梵高早晚期作品，(b)(d)是合成图片。可以看出合成图风格更加贴切画家的风格。下图主要表达了用不同画家风格合成出的图内容图纹理也会不相同，作者可能根

光遇旅人·2020-08-15 11:56

CVPR 2018 笔记

CVPR2018笔记，感谢李光睿的分享，谢谢~知乎号：https://www.zhihu.com/people/chang-you-li-92/activitiesDiscriminativeLearningofLatentFeaturesforZero-ShotRecognitionCVPR2018ORALzero-shotlearning

计算机视觉研究院·2020-08-15 10:05

CVPR2018_Seeing Small Faces from Robust Anchor’s Perspective

CVPR2018的人脸检测文章，基于frcnn、ssd的anchor机制，作者认为小人脸检测不到的主要原因是因为anchorbbox与小人脸的iou过低，现有的anchorbaseddetector处理

胡豆豆爱学习·2020-08-14 17:19

CVPR2018_Real-Time Rotation-Invariant Face Detection with Progressive Calibration Network

CVPR2018，一种基于渐进式校准神经网络的实时旋转不变性人脸检测方法(我这中文翻译水平，男默女泪。。。)

胡豆豆爱学习·2020-08-14 17:19

小白科研笔记：作为普通卷积概念上的延伸——认识流形稀疏卷积

spconv对应Facebook在CVPR2018发的一篇文章。

Niuip·2020-08-13 17:10

Learning to Estimate 3D Human Pose and Shape from a Single Color Image

CVPR2018任务：从单张图估计人的3D形状(3dshape)。方法：先估计出heatmap和Silhouette，再分别估计出代表shape和pose的参数和。

steph_curry·2020-08-12 12:51

基于飞桨复现 CVPR2018 Relation Net的全程解析

RelationNet是CVPR2018的一篇论文，论文链接：https://arxiv.org/pdf/1711.06025.pdf论文作者发现，在视觉识别任务中，训练模型时需要大量标注过的图片，并迭代多次去训练参数

百度大脑·2020-08-11 04:07

机器学习会议论文（二）StarGAN图像多域迁移转换

theaddressofpaperStarGAN:UnifiedGenerativeAdversarialNetworksforMulti-DomainImage-to-ImageTranslation这篇论文是CVPR2018

千与千寻DL·2020-08-10 15:15

论文阅读笔记——《Crafting a Toolchain for Image Restoration by Deep Reinforcement Learning》

这篇论文是CVPR2018(Spotlight)，是本人团队小伙伴余可的作品~代码链接：https://github.com/yuke93/RL-Restore项目主页：http://mmlab.ie.cuhk.edu.hk

gwpscut·2020-08-10 06:05

SAM论文笔记：A Stereo Attention Module for Stereo Image Super-Resolution

原论文代码链接1.1stereo图像SR方法总结（1）StereoSR(CVPR2018)（2）：PASSRnet(CVPR2019)（3）：SPAMnet（AAAI2020）

GracePro·2020-08-10 06:26

CVPR 2018 | 旷视科技Face++率先提出DocUNet 可复原扭曲的文档图像

全球计算机视觉顶会CVPR2018（ConferenceonComputerVisionandPatternRecognition，即IEEE国际计算机视觉与模式识别会议）将于6月18日至22日在美国盐湖城举行

fiersies·2020-08-09 15:43

推荐频道

CVPR2018