valse 第3页

VALSE2019小记

趁着有空去看了一波valse，和很多论文的作者当面讨论了一些问题，在此主要记录对一些paper的见解。

Dlyldxwl·2019-04-15 11:54

【VALSE 2019 PPT】南理工计算机学院院长/人工智能院长-杨健-《面向无人驾驶的环境感知与理解》学习记录

目录（1）阴影检测与去除结果（2）车道线的检测（3）行人检测（3.1）如何处理遮挡（3.2）行人搜索（3.3）行人姿态估计（4）场景分割（5）单目深度估计（6）语义分割与深度估计的联合学习从历史讲起，引入现在最新成果，杨老师讲的脉络清晰标志性时间就是1995年CMU的智能车实验和美国军方DARPA04,05,07的比赛然后讲了南京理工无人驾驶的历史（ps：这点我确实孤陋寡闻了）（1）阴影检测与去除

人工智能博士·2019-04-15 09:18

合肥 VALSE 2019 笔记 workshop:基于视觉和常识的深度推理

对于做PPT的借鉴（1）观察别人怎样讲自己工作的难点（2）视觉推理任务的扩展：朱文武老师的小样本分类，张含望老师的Xvisualreasoning,史建波老师的firstpersonview（3）结合沈春华老师CVPR19的工作，regardVQAasreadingcomprehension,做多任务学习，结合caption进来（4）推理更多的是提供一个program，layout，它应该具体到为

猴猴猪猪·2019-04-13 21:11

valse 2019

valse2019简单记录一下valse2019的一些内容写在前面今年的valse志愿者们都很辛苦，刚到出站口就有志愿者指路，每隔几十米就有一个志愿者，一步步带你到大巴的位置~超级贴心所有Workshop

luputo·2019-04-11 23:48

目标跟踪综述

VALSE目标跟踪：通常单目标跟踪，第一

Tres_Lu·2019-02-26 22:33

one-shot learning && GAN的资料汇集

1.oneshotlearning1.VALSE2018有关One-shot-learning的报告：https://www.jiqizhixin.com/articles/2018-06-20-13有关

holmes_MX·2018-10-09 17:07

VALSE 视觉资源汇总（视频+PPT+文章解读，持续更新）

VALSE（VisionandLearningSeminar,VALSE）发起于2011年，是国内计算机视觉、图像处理、模式识别与机器学习等研究领域的青年学者、学生的一个高水平的学术交流舞台。

extremevision·2018-08-27 09:02

【领域报告】主动学习年度进展|VALSE2018

编者按：白居易在《忆江南》中曾写道，“山寺月中寻桂子，郡亭枕上看潮头。”诗人结合“月中桂树”的传说，从江南

深度学习大讲堂·2018-06-12 19:00

让机器“解疑释惑”：视觉世界中的结构化理解|VALSE2018之八

编者按：据传宋徽宗赵佶曾以“深山藏古寺”为题命人作画，夺魁的画作，画崇山峻岭之中，一股清泉飞流直下，跳珠溅玉，泉边有位老态龙钟的和尚，正舀着泉水倒进桶里。这幅画的妙处在于，从“打水的老和尚”这一已知语义信息提取出“古寺”这一隐含信息，从而使得该画切题应景。而在计算机视觉领域

深度学习大讲堂·2018-05-22 19:00

VALSE2018图像解析与编辑

在参加会议之前，我一直认为语义分割这样像素级别的工作不是大家研究的热门。但是当我发现8号报告厅人数如此多的时候，我发现像素级别的工作做的人很多，自己只能站在最后排听大神们介绍他们的工作聆听这一年大家研究的趋势。虽然只是一只小弱鸡，但是开了眼界。个人觉得听到这个报告，他们的这个工作比较有趣，且接地气。之前并不知道语义分割与GAN会产生如此好玩的东西。图像理解与编辑涉及两方面的内容：首先获取图像中蕴含

IGIli·2018-05-14 17:52

VALSE2018弱监督语义分割学习和总结2

STC:ASimpletoComplexFrameworkforWeakly-supervisedSemanticSegmentation魏云超（TPAMI15）通过显著性物体检测的结果，自动地生成语义分割的标签。通过low-levelvision得到的约束能够帮助我们在弱监督的语义分割的学习中，减少对人工标注的依赖。具体将这项工作所做的贡献总结如下：（1）提出了一个简单到复杂的（STC）框架，能

IGIli·2018-05-11 14:45

VALSE2018弱监督语义分割学习和总结1

神经网络基础理解神经网络里面不同层的卷积单元都扮演者视觉特征检测器的角色，从底层的视觉特征，比如边缘，角点；到高层的视觉模型，比如物体或者是场景。最后把这些东西综合起来进行分类。我们可以把最后一个卷积层看成是一个词典。每一张featuremap对应检测输入中的一个单词，如果有，就在对应位置有高的激活值。后面的fc层其实就是利用这个词典进行分类。比如对于自行车分类器，他对于车轮，车把，车座这三个单词

IGIli·2018-05-11 14:16

VALSE2018参会总结

本次会议主要安排了2个Tutorial和5个Workshop.Tutorial主要讨论了生成对抗网络GAN（基本原理以及GAN的应用和拓展），这次会议中其他很多Seminar阐述的工作都用到了GAN的思想。另一个Tutorial讨论了运动恢复结构与视觉SLAM等。因为之前准备是做图像分割，所以选择去听PixelLevelImageUnderstanding的相关报告。以及去听了几个关于MATLAP

lanlanaln·2018-05-03 12:00

曹汛：计算摄像学研究 | VALSE2017之十六

点击上方“深度学习大讲堂”可订阅哦！编者按：摄像，摄万物之象。经典摄像方法在成像的各个维度——空间分辨率、时间分辨率、视角及深度、颜色（光谱）等均已达到瓶颈，而计算摄像能够突破经典成像模型和相机硬件的局限，更加全面、精确地捕捉真实世界的视觉信息。计算摄像学是一门综合信号处理、光学、视觉、图形学等多学科知识的交叉研究领域。在本文中，国内第一部真人CG电影《爵迹》的幕后英雄，南京大学的曹汛教授，将从计

深度学习大讲堂·2017-12-13 00:00

白翔：趣谈“捕文捉字”-- 场景文字检测 | VALSE2017之十

编者按：文字，区别于变幻莫测的图像和视频，有着更强的逻辑性和更概括的表达力。随着互联网和移动互联网技术的高速发展，越来越多的新型应用场景需要利用图像中的文字信息。从海量视频中快速检索感兴趣的文字，可以极大提高人类的认知效率。因此，自然场景中的文字提取技术，即从照片或视频中将文字识别出来，成为了近几年计算机视觉领域的热门研究课题。在本文中，来自华中科技大学的白翔教授，将为大家讲述多方向场景文字检测的

伙伴几时见·2017-11-03 10:20

--- 基于视觉信息编解码的深度学习类脑机制研究 | VALSE2017之十四

点击上方“深度学习大讲堂”可订阅哦！编者按：深度学习中最经典的卷积神经网络，其命名的初衷，即是向人脑中的神经网络致敬。而深度学习的提出，在很大程度上，也是受到了大脑的启发。然而，深度学习是否类脑？目前并没有统一的认识。对深度学习的类脑机制研究将有助于加深理解深度学习。本文中，来自中科院自动化所的何晖光研究员，将从视觉信息编解码的角度出发，建立人类视觉系统与外界视觉刺激信息之间的映射模型，探索大脑视

深度学习大讲堂·2017-10-25 00:00

VALSE 2017 | 神经网络模型压缩优化方法

这也是本届VALSE的热点之一。深度学习算法是计算密集型和存储密集型的，这使得它难以被部署到资

计算机视觉life·2017-06-11 10:24

【期刊&&会议】机器学习&&深度学习 + 计算机视觉（To be continued..）

Houchaoqun_XMU·2017-06-03 14:16

VALSE 2017 | 人脸检测与识别技术年度进展概述

前言VALSE年度研讨会的主要目的是为计算机视觉、图像处理、模式识别与机器学习研究领域内的中国青年学者提供一个深层次学术交流的舞台。

计算机视觉life·2017-04-26 12:42

SSIST 2016 参会总结--day1

在今年4月份武汉举办的VALSE2016会议上，上海科技大学的虞晶怡教授对SSIST2016做

计算机视觉life·2016-06-23 23:24

cv/dl/cl领域的实验室官网/牛人主页/技术论坛/比赛数据库/好玩的东西

一（自己整理的）＃技术论坛１／ｍｉｔ的关于关于机器人的技术ｒｅｖｉｅｗhttps://www.technologyreview.com/c/robotics/２／valse视觉与学习青年学者讨论会http

yimingsilence·2016-06-23 18:00

scala集合

_然后引用Set，应该用下面的方式替代：importscala.collections.mutable valse

Entropy_·2016-05-30 14:00

IEEE SIDAS 2016参会总结

今年的IEEESIDAS（IEEESIGNALANDDATASCIENCEFORUM）会议紧接VALSE2016在武汉同一个会场举办。

计算机视觉life·2016-04-26 20:59

valse2016参会总结

很幸运参加了今年的valse年度盛会，valse是全球计算机视觉，模式识别，机器学习，多媒体技术等相关领域华人青年学者最具影响力的交流平台。

计算机视觉life·2016-04-25 09:26

从脸部识别到火星机器人，正在改变世界的计算机视觉

转载自：从脸部识别到火星机器人，正在改变世界的计算机视觉-CV领域新闻-VALSE-视觉与学习青年学者研讨会http://valser.org/thread-796-1-1.html?

qq_26898461·2016-01-07 10:00

网页上的视频怎么断点续传？

比如要下载http://vision.ouc.edu.cn/valse/最近的视频，在网页上直接“另存为”的缺点不支持断点续传，方法：在视频下载的链接点右键选择迅雷下载就行，或者在你要下载的视频那里右键选择复制链接

杰·2015-11-27 20:00

VALSE活动20150701期笔记

Featureselectionviasparselearning_jiliu(刘霁)优化：从建模，算法和理论三方面考虑。特征选择：两种方法，l1norm和greedy稀疏求解：本是l0norm问题，转化为l1norm问题。因l0norm是非convex问题，而l1norm是对l0norm的最好的convex近似。convex问题的优势在于，局部最优解即为全局最优解。l1norm转换最著名的有LA

todayq·2015-07-03 15:00

CV各技术论坛及QQ群

1、视觉与学习青年学者研讨会VALSE论坛http://www.valseonline.org/portal.php大牛比较多，信息更新也比较快，涵盖的领域也比较多。每周

shaoxiaohu1·2015-06-23 14:00

Correlation filter and convolution filter

昨天，在valse群上听DrNaiyanWang将CNN做tracking，在结尾部分，作者提出可以用correlationfilter代替convolutionfilter。

carrierlxksuper·2015-03-26 11:00

Scala Set的一些用法

scala>set.min res58:Int=1 //取最大值 scala>set.max res59:Int=8 //元素个数 scala>set.size res60:Int=5 scala>valse

BruceGao·2015-01-29 14:00

Jan 2009

等一個晴天新歌+精選 06.有一天我會.mp3 天使爱美丽原声 02.Les Jours Tristes (Instrumental).mp3 天使爱美丽原声 03.La Valse

buliedian·2009-02-05 19:00

推荐频道

valse