ECCV

使用||微调预训练模型||迁移学习

元学习论文总结||小样本学习论文总结2017-2019年计算机视觉顶会文章收录AAAI2017-2019CVPR2017-2019ECCV2018ICCV2017-2019ICLR2017-2019NIPS2017
vieo·2020-08-25 01:57

读论文系列：Object Detection SPP-net

本文为您解读ECCV2014SPP-net:SpatialPyramidPoolinginDeepConvolutionalNetworksforVisualRecognitionMotivation神经网络在计算机视觉方面的成功得益于卷积神经网络
梦里茶·2020-08-25 00:42

SURF算法分析

SURF算法简介：SURF(SpeededUpRobustFeatures,加速稳健特征)是一个稳健的图像识别和描述算法，首先于2006年发表在ECCV大会上。
坚持奋斗的李洛克·2020-08-24 14:37

简单的特征值梯度剪枝，CPU和ARM上带来4-5倍的训练加速 | ECCV 2020

作者|VincentLee来源|晓飞的算法工程笔记在训练过程中，特征值梯度的回传和权值梯度的计算占了大部分的计算消耗。由于这两个操作都是以特征值梯度作为输入，而且零梯度不会占用计算资源，所以稀疏化特征值梯度可以降低回传阶段的计算消耗以及内存消耗。论文的目标在于高效地降低训练负载，从而在资源有限的平台进行大规模数据集的训练。 本论文假设特征值梯度服从正态分布，基于此计算阈值，随后使用随机剪枝算法(s
AI科技大本营·2020-08-24 00:10

MuCAN: Multi-Correspondence Aggregation Network for Video Super-Resolution论文笔记

论文链接：https://arxiv.org/abs/2007.11803代码：未公开ECCV2020前言当前VSR算法所存在的问题：1）通常采用光流来建立时间相关性，但是光流估计易有误，从而影响重建结果
勤劳的凌菲·2020-08-23 23:56

行人检测论文阅读--《Bi-box Regression for Pedestrian Detection and Occlusion Estimation》

/cse.buffalo.edu/~jsyuan/papers/2018/Bi-box%20Regression%20for%20Pedestrian%20Detection.pdf这篇论文被2018ECCV
MicheleXie·2020-08-23 23:46

ECCV 2020 旷视研究院15篇成果总览

图：ECCV2020词云分析结果8月23-28日，全球计算机视觉三大顶会之一，两年一度的ECCV2020（欧洲计算机视觉国际会议）即将召开。受到疫情影响，今年的ECCV将以线上形式举办。
旷视·2020-08-23 23:45

港中文提出语义分割新方法：张量低秩重建｜ECCV2020

原文链接：https://bbs.cvmart.net/articles/3099专注计算机视觉前沿资讯和技术干货微信公众号：极市平台官网：https://www.cvmart.net/--------论文https://arxiv.org/pdf/2008.00490.pdf代码https://github.com/CWanli/RecoNet香港中文大学等提出语义分割新方法：张量低秩重建。提出
极市平台·2020-08-23 23:27

五大CV顶会，两大机器人顶会关于few-shot-learning论文汇总(NIPS,ICML,CVPR,ECCV,ICCV)

五大CV顶会，两大机器人顶会关于few-shot-learning论文汇总1.NIPS1.12015NIPS1.22016NIPS1.32017NIPS1.42018NIPS1.52019NIPS2.ICML2.12015ICML2.22016ICML2.32017ICML2.42018ICML2.52019ICML3.CVPR3.12015CVPR3.22016CVPR3.32017CVPR3.
vanlish·2020-08-23 07:20

文本检测之TextSnake

论文：TextSnake:AFlexibleRepresentationforDetectingTextofArbitraryShapesFace++2018ECCV论文。
watersink·2020-08-23 06:36

ECCV 2020 | 空间-角度信息交互的光场图像超分辨，性能优异代码已开源

光场相机可以记录当前场景不同视角的图像，每个视角图像的上下文信息（空间信息）与不同视角之间的互补信息（角度信息）都有助于提升图像超分辨的性能。近日，来自国防科技大学、上海科技大学等单位的学者提出了新型光场图像超分辨算法（Spatial-AngularInteractionforLightFieldImageSuper-Resolution），通过交互光场图像的空间信息与角度信息提升了超分辨性能。相
我爱计算机视觉·2020-08-23 06:12

文献阅读笔记——Action Recognition with Stacked Fisher Vectors

本文由XiaojiangPeng发表在计算机视觉顶级国际会议ECCV2014。由标题可以看出作者是利用分层的FisherVectors做行为识别。作者的动机是想将特征的维度做高。
breeze5428·2020-08-23 04:45

精度首超ResNet，港科大和CMU提出史上最强二值化网络ReActNet

编辑|陈大鑫ECCV2020将于8月23日开始，作为两年一度的计算机视觉三大会议之一，备受大家关注。
视学算法·2020-08-23 04:26

人工智能的顶会简介

CVPR是世界顶级的计算机视觉会议（三大顶会之一，另外两个是ICCV和ECCV），近年来每年有约1500名参加者，收录的论文数量一般300篇左右。
江水居士·2020-08-22 22:01

SA-M4C : Spatially Aware Multimodal Transformers for TextVQA --- 论文阅读笔记

Paper:https://arxiv.org/abs/2007.12146[ECCV2020]spatiallyawareself-attentionlayer:使用空间图定义每一个视觉实体只看相邻的实体
CharlesWu123·2020-08-22 17:06

ECCV2020 - VIPriors Workshop比赛中的目标检测赛道直播公开课

本周我们将邀请来自极链科技的顾寅铮将针对正在举行的ECCV2020-VIPriorsWorkshop比赛中的目标检测赛道进行分享。主讲人：顾寅铮，极链科技AI研究院负责人。
AiChinaTech·2020-08-22 15:39

用基于center loss的人脸识别模型对LFW人脸数据集进行评测（c++）

centerloss是2016的一篇ECCV论文中提出来的，ADiscriminativeFeatureLearningApproachforDeepFaceRecognition，个人理解，centerloss
真小假·2020-08-22 15:03

Image Super-Resolution using CNN

XiaoouTang.LearningaDeepConvolutionalNetworkforImageSuper-Resolution,inProceedingsofEuropeanConferenceonComputerVision(ECCV
依海之燕·2020-08-22 09:43

Perceptual Loss（感知损失）论文笔记

“PerceptualLossesforReal-TimeStyleTransferandSuper-Resolution”论文出自斯坦福大学李飞飞团队，发表于ECCV2016论文地址：https://
骑猪撞地球J·2020-08-22 04:51

ESRGAN论文阅读笔记

“ESRGAN:EnhancedSuper-ResolutionGenerativeAdversarialNetworks”发表于ECCV2018workshop，是对“TheSuper-ResolutionGenerativeAdversarialNetwork
骑猪撞地球J·2020-08-22 04:21

ECCV2018超分辨率CARN：Fast, Accurate, and Lightweight Super-Resolution with Cascading Residual Network

本文提出一种轻量级级联残差网络，速度快，性能也还不错。提出问题尽管深度学习方法提高了SR图像的质量，但速度慢，并不适用于真实场景。从这个角度来看，设计适合实际应用的轻量级深度学习模型非常重要。一种方法是减少参数的数量，实现这一目标的方法有很多，但最简单和有效的方法是使用递归网络。例如，DRCN使用递归网络来减少冗余参数，而DRRN通过向DRCN添加残差体系结构来改进DRCN。与标准CNN相比，这些
lpppcccc·2020-08-22 02:52

ECCV2020 | 论文阅读——CPNDet:Corner Proposal Network for Anchor-free, Two-stage Object Detection

CPNDet1Introduction2Approach2.1CPN网络框架2.2Inference阶段3Experiments4Conclusion论文地址：https://arxiv.org/abs/2007.13816开源代码：https://github.com/Duankaiwen/CPNDet其他解读：https://mp.weixin.qq.com/s/pPvDC_3SuGgZ2z6
Liaojiajia2019·2020-08-22 02:16

ECCV2020 | 论文阅读——HoughNet: Integrating near and long-range evidence for bottom-up object detection

HoughNet1Introduction2Approach2.1Thelog-polar“votefield”2.2Votingmodule2.3Networkarchitecture3Experiments4Conclusion论文地址：https://arxiv.org/abs/2007.02355开源代码：https://github.com/nerminsamet/houghnet其他解
Liaojiajia2019·2020-08-22 02:16

论文笔记EPSR：Analyzing Perception-Distortion Tradeoff using Enhanced Perceptual Super-resolution Network

论文下载地址：https://arxiv.org/abs/1811.00344v2ECCV2018PIRM-SR超分辨率挑战赛地址：https://www.pirm2018.org/PIRM-SR.html
Hawk Yang·2020-08-22 02:40

ECCV2020——Self-Prediction for Joint Instance and Semantic Segmentation of Point Clouds

Self-PredictionforJointInstanceandSemanticSegmentationofPointCloudsAbstract（一）Introduction（二）RelatedWork（三）Methodology3.1Self-Prediction3.2AssociatedLearningFramework3.3OptimizationObjectives（四）Experi
Dujing2019·2020-08-22 00:34

SRFeat: Single Image Super-Resolution with Feature Discrimination

发表自ECCV2018.主要工作：1.使用了两个判别器，分别作用于图像和特征图。2.提出了具有远程跳跃连接的生成器。
Aray1234·2020-08-22 00:44

CV | Semantic Co-segmentation in Videos 视频协同语义分割

前言：这篇文章发表在ECCV2016上，之前读过同一作者的CVPR2016的ObjectFlow，最近因为做了报告，就顺便整理学习笔记了，欢迎大家一起讨论。
1LOVESJohnny·2020-08-22 00:14

文献阅读:SRFeat: Single Image Super-Resolution with Feature Discrimination

文章地址：http://openaccess.thecvf.com/content_ECCV_2018/html/Seong-Jin_Park_SRFeat_Single_Image_ECCV_2018
alxe_made·2020-08-22 00:26

论文笔记——MAST：A Memory-Augmented Self-Supervised Tracker

论文题目：AMemory-AugmentedSelf-SupervisedTracker论文地址：https://arxiv.org/abs/2002.07793这篇文章是今年牛津VGG组发表在ECCV20
梦里中PAMI·2020-08-21 17:42

轻量级网络之ShuffleNet v2

轻量级网络之ShuffleNetv2原论文——ShuffleNetV2:PracticalGuidelinesforEfficientCNNArchitectureDesign,ECCV2018介绍论文指出目前的轻量级模型主要根据间接的
萧风萧雨·2020-08-21 16:18

论文阅读：BiSeNet: Bilateral Segmentation Network for Real-time Semantic Segmentation

face++eccv2008的paper,主要提出bisenet，用于实时语义分割。感觉写的还是蛮不错的，结构清晰，通俗易懂。
涂山容容·2020-08-21 13:00

一次性下载CVPR/ICCV/ECCV会议所有论文并提取论文标题重命名pdf文件

动机计算机视觉领域会议近年来论文接收数量暴增，论文多得看不过来。偶尔想起来，会兴致勃勃去下载个几篇看看。但每次看都要去官网下载，挺麻烦的。为何不直接把论文全部爬下来，有空时直接翻出来看？这篇博客要干的就是这个事情。说明以防万一有同学看到最后发现该博客解决不了自己问题，这里先说明一下，以下的所有操作都是在ubuntu下进行的，windows下不能直接用，但是可以参考一下。具体操作1.写脚本，爬论文。
AI二道贩子·2020-08-21 09:31

DGC：真动态分组卷积，可能是解决分组特征阻塞的最好方案 | ECCV 2020 Spotlight

近期，动态网络在加速推理这方面有很多研究，DGC(DynamicGroupConvolution)将动态网络的思想结合到分组卷积中，使得分组卷积在轻量化的同时能够加强表达能力，整体思路直接清晰，可作为网络设计时的一个不错的选择 来源：晓飞的算法工程笔记公众号论文:DynamicGroupConvolutionforAcceleratingConvolutionalNeuralNetworks论文地
VincentLee·2020-08-21 04:13

美团无人配送CVPR2020论文CenterMask解读

CVPR的全称是IEEEConferenceonComputerVisionandPatternRecognition，IEEE国际计算机视觉与模式识别会议，它和ICCV、ECCV并称为计算机视觉领域三大顶
美团技术团队·2020-08-21 02:29

【人脸识别】GridFace，识别中更为细致的二次校正。旷视科技

FaceRectificationviaLearningLocalHomographyTransformations论文链接:https://arxiv.org/pdf/1808.06210v1.pdf旷视科技，ECCV
Lingyun_wu·2020-08-20 22:44

ESPNet

ESPNet:EfficientSpatialPyramidofDilatedConvolutionsforSemanticSegme2019/03/11Author:YuZhang此篇论文为ECCV2018
Cynicsss·2020-08-20 21:29

ESPNet

ESPNet:EfficientSpatialPyramidofDilatedConvolutionsforSemanticSegme2019/03/11Author:YuZhang此篇论文为ECCV2018
Cynicsss·2020-08-20 21:29

全新行人ReID域框架，达到SOTA效果！道翰天琼认知智能机器人平台API接口大脑为您揭秘。

本文带来的是ECCV2020Oral论文《JointDisentanglingandAdaptationforCross-DomainPersonRe-Identification》，提出一种全新的联合学习框架
天琼智能·2020-08-20 20:48

DGC：真动态分组卷积，可能是解决分组特征阻塞的最好方案 | ECCV 2020 Spotlight

近期，动态网络在加速推理这方面有很多研究，DGC(DynamicGroupConvolution)将动态网络的思想结合到分组卷积中，使得分组卷积在轻量化的同时能够加强表达能力，整体思路直接清晰，可作为网络设计时的一个不错的选择 来源：晓飞的算法工程笔记公众号论文:DynamicGroupConvolutionforAcceleratingConvolutionalNeuralNetworks论文地
VincentLee·2020-08-20 17:17

DGC：真动态分组卷积，可能是解决分组特征阻塞的最好方案 | ECCV 2020 Spotlight

近期，动态网络在加速推理这方面有很多研究，DGC(DynamicGroupConvolution)将动态网络的思想结合到分组卷积中，使得分组卷积在轻量化的同时能够加强表达能力，整体思路直接清晰，可作为网络设计时的一个不错的选择 来源：晓飞的算法工程笔记公众号论文:DynamicGroupConvolutionforAcceleratingConvolutionalNeuralNetworks论文地
VincentLee·2020-08-20 17:17

S2DNAS：北大提出动态推理网络搜索，加速推理，可转换任意网络 | ECCV 2020 Oral

S2DNAS最核心的点在于设计了丰富而简洁的搜索空间，从而能够使用常规的NAS方法即可进行动态推理网络的搜索，解决了动态推理网络的设计问题，可进行任意目标网络的转换 来源：晓飞的算法工程笔记公众号论文:S2DNAS:TransformingStaticCNNModelforDynamicInferenceviaNeuralArchitectureSearch论文地址：https://arxiv.o
VincentLee·2020-08-20 17:03

S2DNAS：北大提出动态推理网络搜索，加速推理，可转换任意网络 | ECCV 2020 Oral

S2DNAS最核心的点在于设计了丰富而简洁的搜索空间，从而能够使用常规的NAS方法即可进行动态推理网络的搜索，解决了动态推理网络的设计问题，可进行任意目标网络的转换 来源：晓飞的算法工程笔记公众号论文:S2DNAS:TransformingStaticCNNModelforDynamicInferenceviaNeuralArchitectureSearch论文地址：https://arxiv.o
VincentLee·2020-08-20 17:03

Gradient Centralization: 一行代码加速训练并提升泛化能力 | ECCV 2020 Oral

梯度中心化GC对权值梯度进行零均值化，能够使得网络的训练更加稳定，并且能提高网络的泛化能力，算法思路简单，论文的理论分析十分充分，能够很好地解释GC的作用原理 来源：晓飞的算法工程笔记公众号论文:GradientCentralization:ANewOptimizationTechniqueforDeepNeuralNetworks论文地址：https://arxiv.org/abs/2004.0
VincentLee·2020-08-20 17:14

Gradient Centralization: 一行代码加速训练并提升泛化能力 | ECCV 2020 Oral

梯度中心化GC对权值梯度进行零均值化，能够使得网络的训练更加稳定，并且能提高网络的泛化能力，算法思路简单，论文的理论分析十分充分，能够很好地解释GC的作用原理 来源：晓飞的算法工程笔记公众号论文:GradientCentralization:ANewOptimizationTechniqueforDeepNeuralNetworks论文地址：https://arxiv.org/abs/2004.0
VincentLee·2020-08-20 17:14

DETR：基于Transformer的目标检测新范式，性能媲美Faster RCNN | ECCV 2020 Oral

DETR基于标准的Transorfmer结构，性能能够媲美FasterRCNN，而论文整体思想十分简洁，希望能像FasterRCNN为后续的很多研究提供了大致的思路 来源：晓飞的算法工程笔记公众号论文:End-to-EndObjectDetectionwithTransformers论文地址：https://arxiv.org/abs/2005.12872论文代码：https://github.c
VincentLee·2020-08-20 17:06

BorderDet：通过边界特征大幅提升检测准确率，即插即用且速度不慢 | ECCV 2020 Oral

边界对于定位问题十分重要，BorderDet的核心思想BorderAlign巧妙又有效，将边界特征融入到目标定位预测中，而且能够简单地融入到各种目标检测算法中带来较大的性能提升下。在开源实现中，对BorderAlign进行了高效CUDA实现，不会对耗时带来很大的影响，整个工作十分扎实 来源：晓飞的算法工程笔记公众号论文:BorderDet:BorderFeatureforDenseObjectDe
VincentLee·2020-08-20 17:36

DETR：基于Transformer的目标检测新范式，性能媲美Faster RCNN | ECCV 2020 Oral

DETR基于标准的Transorfmer结构，性能能够媲美FasterRCNN，而论文整体思想十分简洁，希望能像FasterRCNN为后续的很多研究提供了大致的思路 来源：晓飞的算法工程笔记公众号论文:End-to-EndObjectDetectionwithTransformers论文地址：https://arxiv.org/abs/2005.12872论文代码：https://github.c
VincentLee·2020-08-20 17:36

BorderDet：通过边界特征大幅提升检测准确率，即插即用且速度不慢 | ECCV 2020 Oral

边界对于定位问题十分重要，BorderDet的核心思想BorderAlign巧妙又有效，将边界特征融入到目标定位预测中，而且能够简单地融入到各种目标检测算法中带来较大的性能提升下。在开源实现中，对BorderAlign进行了高效CUDA实现，不会对耗时带来很大的影响，整个工作十分扎实 来源：晓飞的算法工程笔记公众号论文:BorderDet:BorderFeatureforDenseObjectDe
VincentLee·2020-08-20 17:35

Gradient Centralization: 一行代码加速训练并提升泛化能力 | ECCV 2020 Oral

梯度中心化GC对权值梯度进行零均值化，能够使得网络的训练更加稳定，并且能提高网络的泛化能力，算法思路简单，论文的理论分析十分充分，能够很好地解释GC的作用原理 来源：晓飞的算法工程笔记公众号论文:GradientCentralization:ANewOptimizationTechniqueforDeepNeuralNetworks论文地址：https://arxiv.org/abs/2004.0
VincentLee·2020-08-20 17:35

Gradient Centralization: 一行代码加速训练并提升泛化能力 | ECCV 2020 Oral

梯度中心化GC对权值梯度进行零均值化，能够使得网络的训练更加稳定，并且能提高网络的泛化能力，算法思路简单，论文的理论分析十分充分，能够很好地解释GC的作用原理 来源：晓飞的算法工程笔记公众号论文:GradientCentralization:ANewOptimizationTechniqueforDeepNeuralNetworks论文地址：https://arxiv.org/abs/2004.0
VincentLee·2020-08-20 17:35
上一页 18 19 20 21 22 23 24 25 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他