CVPR2019

FSAF：嵌入anchor-free分支来指导acnhor-based算法训练 | CVPR2019

FSAF深入地分析FPN层在训练时的选择问题，以超简单的anchor-free分支形式嵌入原网络，几乎对速度没有影响，可更准确的选择最优的FPN层，带来不错的精度提升 来源：晓飞的算法工程笔记公众号论文:FeatureSelectiveAnchor-FreeModuleforSingle-ShotObjectDetection论文地址：https://arxiv.org/abs/1903.0062
·2022-03-01 13:01

FSAF：嵌入anchor-free分支来指导acnhor-based算法训练 | CVPR2019

FSAF深入地分析FPN层在训练时的选择问题，以超简单的anchor-free分支形式嵌入原网络，几乎对速度没有影响，可更准确的选择最优的FPN层，带来不错的精度提升 来源：晓飞的算法工程笔记公众号论文:FeatureSelectiveAnchor-FreeModuleforSingle-ShotObjectDetection论文地址：https://arxiv.org/abs/1903.0062
晓飞的算法工程笔记·2022-03-01 13:00

论文笔记之CVPR2019超分三：PASSRnet-NatSR-AdaFMNet

2019CVPR超分文章记录系列二：IKC-MetaSR-ODEInspired2019CVPR超分文章记录系列一：FSTRN-resLR-SRFBN-RBPN2019前超分文章记录SRCNN-FSRCNN-ESPCN-VDCN-DRCN-RDN-LapSRN-SRDenseNet1、LearningParallaxAttentionforStereoImageSuper-Resolution(2
eight_Jessen·2022-03-01 07:41

CVPR 2019 论文大盘点—目标检测篇

感谢52CV群友“一块钱”盘点了CVPR2019所有有关目标检测的文章，并简单做了分类。
OpenCV中文网公众号·2022-02-26 07:07

CVPR 2019 Oral 论文解读 | 无监督域适应语义分割

TakingACloserLookatDomainShift:Category-levelAdversariesforSemanticsConsistentDomainAdaptation》被CCFA类学术会议CVPR2019
AI研习社·2022-02-21 14:12

《Stereo R-CNN based 3D Object Detection for Autonomous Driving》笔记

论文原文：《StereoR-CNNbased3DObjectDetectionforAutonomousDriving》CVPR2019新文，主要讲述应用双目视觉实现的3D目标检测。
Kipal_A·2022-02-15 16:02

Feature Selective Anchor-Free Module for Single-Shot Object Detection

在网上找资料时，发现一篇推文CVPR2019目标检测方法进展，重点介绍cvpr2019年目标检测亮眼文章，里面提到很多惊奇的改进思路，值得一看。
yanghedada·2022-02-05 05:10

37 篇！ Facebook 今年被 CVPR 收录的论文都说了啥？

CVPR2019已于6月16日至20日在美国加利福利亚州长滩市盛大举办，吸引了超过万人参加，雷锋网AI科技评论的记者也前往现场为大家带来了精彩的大会报道。
AI研习社·2022-02-03 06:37

旋转目标检测综述

DRBOX（两阶段目标检测中科院电子所）TextBoxes++（单阶段华科白翔组）Learningroitransformerfororientedobjectdetectioninaerialimages（cvpr2019
小魔王降临·2021-10-25 14:43

FSAF：嵌入anchor-free分支来指导acnhor-based算法训练 | CVPR2019

FSAF深入地分析FPN层在训练时的选择问题，以超简单的anchor-free分支形式嵌入原网络，几乎对速度没有影响，可更准确的选择最优的FPN层，带来不错的精度提升 来源：晓飞的算法工程笔记公众号论文:FeatureSelectiveAnchor-FreeModuleforSingle-ShotObjectDetection论文地址：https://arxiv.org/abs/1903.0062
·2021-07-27 19:49

CVPR2019 | 步步为营！通过迭代式模糊核预测提高超分辨质量

基于迭代模糊核修正的盲超分辨方法本文解读一篇由港中文(深圳)与哈工大合作发表在CVPR2019的超分辨方向的论文，该工作与几篇近年的文章密切相关，相关部分我已在文中做了必要的说明和解释，更多细节可点击此处深入了解
AI研习社·2021-06-21 13:22

【Module】【论文复现】CSPNet

前言：这篇文章是由台湾学者Chien-YaoWang等人在CVPR2019上发表的。文章提出了跨阶段局部网络(CSPNet)，以缓解以往的工作需进行大量推理计算的问题。
满船清梦压星河HK·2021-05-23 21:44

CVPR 2019 | 亮风台推出全球最大单目标跟踪数据集 LaSOT

计算机视觉和模式识别领域顶级会议CVPR2019于上周在美国落下帷幕，各大企业和科研机构纷纷发布自家最新成果，其中，不乏诸多来自中国的研究成果。
AI研习社·2021-05-03 19:01

CVPR2019|Attention-guided Unified Network for Panoptic Segmentation

attention引导的全景分割统一网络（AUNet）Abstract本文研究了全景分割这一最近提出的任务,即在实例级对前景(FG)对象进行分割,在语义层面对背景(BG)内容进行分割。现有的方法大多分别处理这两个问题,但在本文中,我们揭示了它们之间的潜在关系,特别是FG对象提供了补充线索,以帮助BG理解。我们的方法名为"关注引导统一网络"(AUNet),它是一个统一的框架,同时具有FG和BG分割的
Woooooooooooooo·2021-04-30 09:56

机器学习论文阅读笔记摘录，主动学习Active Learning，迁移学习Transfer Learning，差分隐私Differential Privacy，模型攻击Model Attack

TransferLearning】【DifferentialPrivacy】【Modelinversionattack】【ActiveLearning】【论文笔记01】LearningLossforActiveLearning,CVPR2019
Brandon Bryant·2021-04-23 15:11

【论文笔记11】 Deep Domain Adaptation With Differential Privay 差分隐私下的深度域泛化, IEEE TIFS 2020

IllustrationBasicIntroIntrooftheirworkDPDAModelProblemStatementFrameworkExperimentsReference系列传送我的论文笔记频道【ActiveLearning】【论文笔记01】LearningLossforActiveLearning,CVPR2019
Brandon Bryant·2021-04-10 11:41

【论文笔记09】Differentially Private Hypothesis Transfer Learning 差分隐私迁移学习模型, ECML&PKDD 2018

Rw3Setting&TheproposedmethodsReference系列传送我的论文笔记频道【ActiveLearning】【论文笔记01】LearningLossforActiveLearning,CVPR2019
Brandon Bryant·2021-04-03 13:37

【论文笔记05】Active Transfer Learning, IEEE T CIRC SYST VID 2020

目录导引系列传送ActiveTransferLearningReference系列传送我的论文笔记频道【ActiveLearning】【论文笔记01】LearningLossforActiveLearning,CVPR2019
Brandon Bryant·2021-03-27 16:22

【论文笔记04】Ranked Batch-Mode Active Learning，ICCV 2016

RankedBatch-ModeAL1Abstract233.13.23.3ExperimentsReference系列传送我的论文笔记频道【ActiveLearning】【论文笔记01】LearningLossforActiveLearning,CVPR2019
Brandon Bryant·2021-03-27 16:42

【论文笔记03】Variational Adversarial Active Learning，ICCV 2019

VAAL1Abstract2Introduction3Model3.13.23.3ExperimentsReference系列传送我的论文笔记频道【ActiveLearning】【论文笔记01】LearningLossforActiveLearning,CVPR2019
Brandon Bryant·2021-03-27 16:04

图像风格迁移cvpr2020_GitHub - wty2019/CVPR2020-Code: CVPR 2020 论文开源项目合集

CVPR2020-CodeCVPR2020论文开源项目合集，同时欢迎各位大佬提交issue，分享CVPR2020开源项目关于往年CV顶会论文(如ECCV2020、CVPR2019、ICCV2019)以及其他优质
weixin_39689297·2021-01-13 22:36

三维重建 几何方法 深度学习_基于深度学习的三维重建算法：MVSNet、RMVSNet、PointMVSNet、Cascade系列...

2019年，2020年又有多篇改进：RMVSNet(CVPR2019),PointMVSNet(ICCV2019),P-MVSNet(ICCV2019),MVSCRF(ICCV2019),Cascade
Linux头号玩家·2021-01-04 21:36

pytorch 三维点分类_基于深度学习的三维重建——MVSNet系列论文解读

2019年，2020年又有多篇改进：RMVSNet(CVPR2019),PointMVSNet(ICCV2019),P-MVSNet(ICCV2019),MVSCRF(ICCV2019),Cascade
zibuyu9·2021-01-04 16:27

生成特征_GhostNet: 使用简单线性变换生成特征图，超越MobileNetV3的轻量级网络

虽然在近三年来，CVPR的论文投稿量都在持续大涨（CVPR2018有3300篇有效投稿、CVPR2019有5160篇有效投稿、CVPR2020有效投稿达6656），然而
没有故事男同学·2020-12-24 20:39

深度学习：人群密度估计Residual Regression和Semantic Prior论文（CVPR2019）解读

最近看了一篇新的CVPR2019论文，全名是《ResidualRegressionwithSemanticPriorforCrowdCounting》，这篇paper基于时下表现最优秀的两个网络MCNN
Jack和Tim是两个北方男孩·2020-10-11 16:29

论文笔记：GIoU

论文标题：GeneralizedIntersectionoverUnion:AMetricandALossforBoundingBoxRegression收录于CVPR2019因为整体思想形式比较简单，
龙骑士尹志华·2020-09-17 06:50

Progressive Feature Alignment for Unsupervised Domain Adaptation-CVPR2019.md

ProgressiveFeatureAlignmentforUnsupervisedDomainAdaptation(CVPR2019)提出了一个逐步特征对齐网络ProgressiveFeatureAlignmentNetwork
PoemK·2020-09-17 05:16

few-shot learning ---综述

Few-shotLearning:ASurveyYAQINGWANG1,2,QUANMINGYAO2019IBM-小样本学习（Few-shotLearning）Stateoftheart方法及论文讲解CVPR2019
xys430381_1·2020-09-16 22:12

【Paper & Code】（CVPR2019）Octave Convolution

亮点分离图像数据中的高频和低频信息，降低低频信息的分辨率，保持高频信息的分辨率，减少了整体运算量。论文介绍代码MXNetSymbol接口下的实现：OctConv
穆友航·2020-09-16 08:21

【行人检测】High-level Semantic Feature Detection: A New Perspective for Pedestrian Detection/CSP

论文：《High-levelSemanticFeatureDetection:ANewPerspectiveforPedestrianDetection/CSP》CVPR2019论文地址：https:/
zhw864680355·2020-09-16 04:17

CVPR2019 FickleNet的简单解读

FickleNet:WeaklyandSemi-supervisedSemanticImageSegmentationusingStochasticInference的笔记摘要摘要的摘要先上图吐槽参考文献摘要摘要的摘要在弱监督图像语义分割中，大部分基于图像级标签的方法利用从分类器网络获得的位置图（个人称之为注意力图），但是这些图只能关注到目标中小部分区分度高的部位而且无法精确捕捉边界。Fickle
xbutterflyx·2020-09-16 04:13

[论文]CVPR2019论文GIoU解读

本文是对CVPR2019论文《GeneralizedIntersectionoverUnion:AMetricandALossforBoundingBoxRegression》的解读：论文地址：https
行*云·2020-09-16 03:12

论文笔记1（CVPR2019）Region Proposal by Guided Anchoring

论文链接:RegionProposalbyGuidedAnchoring.论文来自香港中文大学。AbstractAnchor大多数都是密集的、预先定义好尺寸和比例的。在这篇文章中，作者提出了一种更加快速有效的方法GuidedAnchoring。该方法不仅可以预测目标的中心位置并且可以得到目标物在不同位置尺寸和比例。为了连续性的设计原则，提出了featureadaptionmodule。1Intro
qq_33326349·2020-09-16 03:05

【论文阅读CVPR2019】Text2Scene: Generating Compositional Scenes from Textual Descriptions

目录写在前面：1.本文的主要贡献：2.相关工作：3.模型各个部分介绍3.1文本编码器3.2对象和属性解码器3.2.1基于注意力机制的对象解码器3.2.2基于注意力机制的属性解码器3.3前向嵌入模块论文题目：Text2Scene:GeneratingCompositionalScenesfromTextualDescriptions（根据文本描述生成合成场景）论文原文：https://arxiv.o
敲代码的乔帮主·2020-09-16 02:43

CVPR2019之GCNet解读

non-local论文地址non-local代码地址gcnet论文地址gcnet代码地址senet论文地址senet代码地址这篇文章是发表于CVPR2019上的一篇文章，文章花了相当多的文笔放在另外两篇文章
学弟·2020-09-16 02:54

论文阅读2(CVPR2019):Adaptive NMS:Refining Pedestrian Detection in a Crowd

原论文链接:AdaptiveNMS:RefiningPedestrainDetectioninaCrowd针对行人检测中目标过于密集的问题，文中提出了一种自适应的非极大值抑制的检测方法，通过定义目标周围的密集程度采用不同的方法，并且设计了一个subnetwork去学习密集的置信度。该方法在单阶段和双阶段检测中都得到了较好的结果。超市、机场和车站的人比较密集对于目标检测来说是一个不小的挑战，目前很多
qq_33326349·2020-09-16 02:58

FlowNet3D - Learning Scene Flow in 3D Point Clouds[CVPR2019]

[论文链接]|[代码链接]\qquad本文作者提出了一个端到端估计场景流的网络结构——FLowNet3D。在FLowNet3D中引入了两个新的点云学习层：（1）学习联系两帧点云的flowembedding层；（2）学习将特征从一个点集传播到另一个点集的setupconv层。\qquadFlowNet3D主要包含以上三个模块：（1）setconv层学习点云中点的特征，并对点云进行下采样；（2）flo
CXY_Likescoding·2020-09-15 19:27

论文阅读Underexposed Photo Enhancement using Deep Illumination Estimation

基于深度学习优化光照的暗光下的图像增强原论文作者RuixingWang;QingZhang;Chi-WingFuXiaoyongShenWei-ShiZhengJiayaJia;原论文CVPR2019链接原代码链接
GracePro·2020-09-15 07:48

转载：2019年AI顶级会议时间表

会议名称会议地点会议时间网址介绍CVPR2019(IEEEConferenceonComputerVisionandPatternRecognition）美国洛杉矶2019.06.15-21http:/
小张也是蛮拼的·2020-09-15 01:17

[论文阅读]车辆的角度（image or feature）生成（XVGAN CVPR201）＆（VAMI CVPR2019）

motivation:a在车辆的不同视图中的视觉模式的变化远大于人的视觉模式.b车辆的分类网络不仅学习到了模型的颜色，类别信息，还学习到了相应的视点特征。采用一个生成网络，通过输入视图的固有特征以及预期视点的特征和噪声矢量将这三个特征concat一起，通过相对应的真实视角来学习同一辆车的目标视图。如果有生成网络那么就有相应的判别网络，DiscriminativeNet将真实图像与合成样本区分开来，
sunxia233·2020-09-14 15:37

Underexposed Photo Enhancement using Deep Illumination Estimation（DeepUPE）笔记

文章：UnderexposedPhotoEnhancementusingDeepIlluminationEstimation(DeepUPE)(CVPR2019)github:https://github.com
SimonCoder·2020-09-14 03:21

【华为云技术分享】【论文阅读】增量学习近期进展及未来趋势预测

【摘要】本文通过三篇发表在CVPR2019上的论文，对增量学习任务进行简单的介绍和总结。在此基础上，以个人的思考为基础，对这一研究领域的未来趋势进行预测。
华为云·2020-09-13 18:10

【超分辨率】- CVPR2019中SR论文导读与剖析

CVPR2019超分领域出现多篇更接近于真实世界原理的低分辨率和高分辨率图像对应的新思路。
weixin_30401605·2020-09-13 13:14

PFLD: A Practical Facial Landmark Detector （CVPR2019）

人脸特征点检测又称人脸对齐，其目的是自动定位一组预定义的基准点(例如，眼角、嘴角等)。好的人脸对齐算法需要考虑到检测精度、处理速度和模型尺寸。PFLD这项工作开发了一种实用的面部特征点检测器，称为PFLD，具有高精度的对抗复杂情况，包括无约束的姿态、表情、灯光和遮挡。在骁龙845的芯片中效率可达140fps；另外模型大小较小，仅2.1MB，此外在许多关键点检测的benchmark中也取得了相当好的
为什么先生2012·2020-09-13 05:57

Bag of Tricks and A Strong Baseline for Deep Person Re-identification（论文阅读笔记）

本文是CVPR2019的文章，作者给出了一个很强的人体ReIDbaseline模型，文中包含了许多ReID训练技巧并提出一种BNNeck，在Market1500和DukeMTMC-ReID两个数据集上达到了目前最好的
酉意铭·2020-09-11 23:20

Bag of Tricks and A Strong Baseline for Deep Person Re-identification阅读笔记

本文发表于CVPR2019，作者是浙江大学罗浩博士摘要本文提出一个ReID中简单且有效的baseline。
少年粪土·2020-09-11 22:14

CVPR 2019 微软亚研 分享会

CVPR2019微软亚研分享会“Perceivewheretofocus：learningvisibilityawarepartfeaturesforpartialpersonreidentification
o0卤化氢0o·2020-09-11 06:30

智感超清 视觉领域顶级峰会ECCV三连冠来了！

截至到目前，百度自研的SA-NAS和GP-NAS等自动化深度学习技术已在CVPR2019、CVPR2020、ECCV2
百度智能云·2020-09-10 21:57

深度学习&调参&

1.关于深度学习调参https://arxiv.org/abs/1812.011872.2019CVPR汇总https://github.com/extreme-assistant/cvpr2019
 杨杨·2020-09-10 20:43

用外观判断论文好坏？这位顶会领域主席的论文被自己的AI审稿系统拒绝了

该论文作者为弗吉尼亚理工学院助理教授Jia-BinHuang，同时他也是CVPR2019、ICCV2019的领域主席（AreaChair，AC）。这篇有趣的论文刚刚公开就在Twitter上引发热议。
weixin_33670786·2020-09-10 19:56
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他