YOLOF前传：特征金字塔（FPN）前言这几天在读CVPR2021的中稿论文YOLOF（YouOnlyLookOne-levelFeature），文章回顾了单阶段的特征金字塔网络(FPN)，指出FPN的成功的原因在于它对目标检测中优化问题的分而治之的解决策略

来源|OpenMMLab编辑|刘冰一转自：AI科技评论今天给大家带来的干货是新鲜出炉的CVPR2021，该文斩获NTIRE比赛冠军。目前代码已经Merge到MMEditing中，欢迎大家尝鲜。

AI/CV重磅干货，第一时间送达本文作者：OpenMMLab|来源：知乎https://zhuanlan.zhihu.com/p/364872992Hello,小伙伴们～今天给大家带来的干货是新鲜出炉的CVPR2021

今天在复现cvpr2021的一篇文章SPOL(shallowfeaturematter巴拉巴拉的，具体讲的是浅层特征融合在弱监督定位中起到的作用)，遇到了这个问题，在使用cv2.drawContours

作者|DefTruth@知乎（已授权）来源|https://zhuanlan.zhihu.com/p/455165568编辑|极市平台导读前段时间写了篇关于SCRFD（吊打了自己的老大哥RetinaFace）模型转换的文章，还有C++工程部分没有补充，所以这篇文章目的之一就是填坑。本文从SCRFD的官仓中，重新导出具体命名输出的onnx文件，比如score_8,score_16,score_32等

一.标题解读FSDR:FrequencySpaceDomainRandomizationforDomainGeneralization用于域泛化的频域域随机化此论文发表在CVPR2021，它的归类为域泛化

本文介绍了CVPR2021行人重识别领域中一篇名为AlignPS论文中的TOIM损失函数论文链接：https://arxiv.org/abs/2109.00211代码链接：GitHub-daodaofr

论文阅读：（CVPR2021）Multi-StageProgressiveImageRestorationPaper：https://arxiv.org/abs/2102.02808Code：https

欢迎关注“计算机视觉研究院”计算机视觉研究院专栏作者：Edison_G目标检测是计算机视觉系统中的一项关键任务，在自动驾驶、医学成像、零售、安全、人脸识别、机器人技术等领域都有广泛的应用。目前，基于神经网络的模型被用于对特定类目标的实例进行定位和分类。长按扫描二维码关注我们回复“WBF”获取论文及Github代码1、动机&摘要当不需要实时推理时，模型的整合就有助于获得更好的结果。在这项工作中，研究

欢迎关注“计算机视觉研究院”计算机视觉研究院专栏作者：Edison_G目标检测是计算机视觉系统中的一项关键任务，在自动驾驶、医学成像、零售、安全、人脸识别、机器人技术等领域都有广泛的应用。目前，基于神经网络的模型被用于对特定类目标的实例进行定位和分类。长按扫描二维码关注我们回复“WBF”获取论文及Github代码最近我们创办“计算机视觉研究院”企业微信学习群&

文章目录出处问题方法代码出处论文发表于CVPR2021论文地址：点击论文代码：点击问题背景：深度神经网络容易受到对抗样本的攻击，这些攻击通过不可察觉的扰动欺骗模型。

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达最大商品图库识别竞赛：阿里巴巴主办CVPR2021商品识别竞赛赛事主页链接：https://tianchi.aliyun.com/competition

在2021年的计算机视觉和模式识别会议CVPR2021的自动驾驶研讨会，特斯拉首席人工智能科学家AndrejKarp

CPS:Semi-SupervisedSemanticSegmentationwithCrossPseudoSupervision,CVPR2021解读：【半监督图像分割】2021-CPSCVPR_說詤榢的博客

article：http://arxiv.org/abs/2011.12100（CVPR2021(oral)）code：https://github.com/giraffe-fsharp/Giraffewriter

这是CVPR2021的一篇暗光增强的论文Retinex增强和去噪部分第一部分的核心公式是一种retinex公式（用于暗图增强的retinex公式有几种类型，虽然本质一样但是对于各个分量的定义不一样）：y

本文可以看做是CVPR2021上两篇文章的总结：1、RosesareRed，VioletsareBlueButShould

arxiv.org/abs/2107.08430code:https://github.com/Megvii-BaseDetection/YOLOX本文是旷视科技在目标检测方面的最新技术总结，同时也是CVPR2021

originalauthor:JackyLiEmail:[email protected]：2023.4.8Lastedited:2023.4.8目录摘要主要内容结果这篇文章是CVPR2021

CVPR2021论文地址：https://arxiv.org/abs/2104.05269代码地址：https://github.com/SherlockHolmes221/GGNet1.总述现有的一阶段模型通常从检测预定义的交互区域或点开始

ImageSuper-ResolutionUsingKnowledgeDistillation(ACCV2018)方法Data-FreeKnowledgeDistillationForImageSuper-Resolution(CVPR2021

【CVPR2021】剪枝篇（五）：NeuralResponseInterpretationthroughtheLensofCriticalPathways论文地址：主要问题：主要思路：理论分析：基本符号

这是一篇CVPR2021的关于NAS的论文，作者发现DARTS中在生成最优架构时对每个内部节点保留与前驱节点相连边中权值最大的两条，这种使用操作权重来衡量架构优越与否是不合理的，寻找到的结构往往不是最优的而是次优的

ResNet-RS架构复现--CVPR20211、摘要2、ResNet-D架构3、改进训练方法4、改进的缩放策略5、Appendix5.1Pareto曲线中所有ResNet-RS模型的详细信息5.2ResNet-RS架构细节5.3ScalingAnalysisRegularizationandModelDetails6、ResNet-RS架构搭建6.1模型配置项6.2get_survival_pr

/CV重磅干货，第一时间送达本文作者：苏海昇|来源：知乎（已获作者授权）https://zhuanlan.zhihu.com/p/358754602本文主要介绍我们团队（商汤科技城市计算研发组）发表在CVPR2021

去年CVPR该方向论文总结：CVPR2020论文大盘点-文本图像篇大家可以在：https://openaccess.thecvf.com/CVPR2021?day=all按照题目下载这些论文。

作者|张凯编辑|CV君报道|我爱计算机视觉（微信id：aicvml）本文介绍CVPR2021接收的目标检测论文YouOnlyLookOne-levelFeature。

中文标题：针对动态场景的神经辐射场（本文只介绍与NeRF不同的知识点）发布会议：CVPR2021问题NeRF仅针对静态场景，从不同帧（视角下）重建相同的空间位置。

作者|李铎编辑|陈彩娴来源|AI科技评论本文是对我们CVPR2021被接收的文章

本文是对我们CVPR2021被接收的文章Involution:InvertingtheInherenceofConvolutionforVisualRecognition的介绍，同时也分享一些我们对网络结构设计

CVPR2021|Involution：超越convolution和self-attention的神经网络算子论文地址：https://arxiv.org/pdf/2103.06255v2.pdf代码地址

YOLOX阅读笔记YOLOX:ExceedingYOLOSeriesin2021（CVPR2021）动机解决方案Decoupledhead（解耦头）Strongdataaugmentation（数据增强

DRConv(CVPR2021)本文提出了一种动态区域感知卷积DynamicRegion-AwareConvolution(DRconv)算法。

标题：NeRV:NeuralReflectanceandVisibilityFieldsforRelightingandViewSynthesis链接：https://arxiv.org/pdf/2012.03927本文的主要目的是基于NeRF的重光照。原本的NeRF中要求所有视角中的图片的光照方向，都是一致的，因此合成出来的结果中的光照自然也是都一样的，无法改变，而本文就是希望可以通过对光线建模

前言：前面分享了一篇《继SE,CBAM后的一种新的注意力机制CoordinateAttention》,其出发点在于SE只引入了通道注意力，CBAM的空间注意力只考虑了局部区域的信息，从而提出考虑全局空间信息的注意力机制。在本文，将介绍另一个基于同样出发点的注意力模块，即PyramidSplitAttention(PSA)。PSA具备即插即用、轻量、简单高效的特点。该模块与ResNet结合，通过PS

GeneralizedFocalLoss:LearningQualifiedandDistributedBoundingBoxesforDenseObjectDetection会议：CVPR2021论文

CVPR2021问题提出边界框的不确定性问题分析边界框分布被引入为“一般分布”，其中它学习每个预测边的离散概率分布（图1（a）），用于描述边界框回归的不确定性。

作者|/编辑|CV君报道|我爱计算机视觉（微信id：aicvml）分享一篇来自CVPR2021的文章，ACTION-Net:MultipathExcitationforActionRecognition

PointPillars论文解析和OpenPCDet代码解析_NNNNNathan的博客-CSDN博客_pointpillars代码CVPR2021|CenterPoint：基于点云数据的3D目标检测与跟踪

注:拉到最后有视频版哦~论文地址：https://github.com/eladrich/pixel2style2pixel这次给大家介绍一篇CVPR2021的论文，主要讲的是基于StyleGAN的encoder

项目场景：TracktoDetectandSegment:AnOnlineMulti-ObjectTracker(CVPR2021)GitHub链接：https://github.com/JialianW

论文地址：https://openaccess.thecvf.com/content/CVPR2021/papers/Sun_LoFTR_Detector-Free_Local_Feature_Matching_With_Transformers_CVPR

《TransUNet:TransformersMakeStrongEncodersforMedicalImageSegmentation》TransUNet:用于医学图像分割的变压器强编码器发表期刊：CVPR2021

《HITNet:HierarchicalIterativeTileRefinementNetworkforReal-timeStereoMatching》CVPR2021术语论文理解可取之点2.

摘要在本文中，我们提出了一种新的跟踪架构，其中的编码器-解码器transformer为关键组件。编码器对目标对象和搜索区域之间的全局时空特征相关性进行建模，而解码器学习嵌入的查询以预测目标对象的空间位置。我们的方法将目标跟踪转换为直接边界框预测问题，而无需使用任何建议或预定义锚。使用编解码器变压器，对象的预测仅使用简单的全卷积网络，该网络可以直接估计对象的拐角。整个方法是端到端的，不需要任何余弦窗

1.GeneratingDiverseStructureforImageInpaintingWithHierarchicalVQ-VAE（CVPR2021）2.ImageInpaintingwithExternal-internalLearningandMonochromicBottleneck

点击上方“视学算法”，选择加"星标"或“置顶”重磅干货，第一时间送达AI科技评论报道编辑|陈大鑫AI科技评论今天给大家介绍一篇被CVPR2021收录的关于自监督的文章——S2-BNN[1]，论文作者来自

今天给大家介绍一篇CVPR2021关于自监督的文章叫S2-BNN[1]，来自CMU，HKUST和IIAI。

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达（CVPR2021）自监督学习新思路！

首发于jwxie.cnMulti-StageProgressiveImageRestorationPDFLinkGithubCodeSection1介绍图像恢复是一个从低质量的图像恢复出高清图像的任务。典型的低质量因素有噪声，模糊，水滴噪声，雾噪声等。这是一个高度病态的问题，因为本质上对一张输入的低质量图像存在无限的可行解。为此，许多工作通过增加人工设计的图像先验信息，同时限制解空间的大小为自然图