cvpr2020专题

CVPR2020丨DRN:用于单图像超分辨率的对偶回归网络

点击上方“AI公园”,选择“星标★”公众号 重磅干货,第一时间送达 论文:https://arxiv.org/pdf/2003.07018.pdf代码:https://github.com/guoyongcs/DRN 目前超分辨率算法存在两个明显的问题: 从 LR 图像到 HR 图像通常是一个高度病态的反问题,存在无数可能的HR 图像通过降采样得到同一张 LR 图像。解空间过大,从而很难去找

RT-DETR改进教程|加入SCNet中的SCConv[CVPR2020]自校准卷积模块!

⭐⭐ RT-DETR改进专栏|包含主干、模块、注意力机制、检测头等前沿创新 ⭐⭐  一、 论文介绍         论文链接:http://mftp.mmcheng.net/Papers/20cvprSCNet.pdf         代码链接:https://gitcode.com/MCG-NKU/SCNet/  文章摘要:         CNN的最新进展主要致力于

RT-DETR原创改进|加入SCNet中的SCConv[CVPR2020]自校准卷积模块!

⭐⭐ RT-DETR改进专栏|包含主干、模块、注意力机制、检测头等前沿创新 ⭐⭐  一、 论文介绍         论文链接:http://mftp.mmcheng.net/Papers/20cvprSCNet.pdf         代码链接:https://gitcode.com/MCG-NKU/SCNet/  文章摘要:         CNN的最新进展主要致力于

CVPR2020:D2Det论文解读

文章目录 译者注摘要引言贡献点 相关工作我们的方法3.1 Dense Local Regression3.2 Discriminative RoI Pooling3.3 实例分割 实验4.1 数据集和实现细节 译者注    这篇论文在MS COCO和UAVDT上都取得了很好的效果,是目前的state-of-the-art。该文章的方法是two-stage的,但是在分类方面却使用

阅读笔记(CVPR2020)Warping Residual Based Image Stitching for Large Parallax

基于变形残差的大视差图像拼接 K. -Y. Lee and J. -Y. Sim, "Warping Residual Based Image Stitching for Large Parallax," 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), Seattle, WA, USA, 20

YOLOv9有效改进|加入CVPR2020的Bifpn。

专栏介绍:YOLOv9改进系列 | 包含深度学习最新创新,助力高效涨点!!! 一、论文摘要         Bifpn是RT-DETR中使用的特征提取模块。 二、Bifpn模块详解  2.1 模块简介        Bifpn:  重复加权双向特征金字塔网络 。本文用于替换YOLOv9中的FPN+PAN结构。 三、 Bifpn模块使用教程 3.1 HGBlock模

CVPR2020 Adversarial Attack Defense Summary(Part 1)

Alleviation of Gradient Exploding in GANs: Fake Can Be Real 解决问题:GAN的梯度爆炸、模式崩溃问题。 解决方法:在一个mini batch 中 close pairs 多的位置选取假样本,认定其为真样本,再进行训练,来有效防止不平衡分布的产生(FARGAN)。 Cooling-Shrinking Attack: Blinding

YOLOv8优化策略:轻量化改进 | 华为Ghostnet,超越谷歌MobileNet | CVPR2020

🚀🚀🚀本文改进:Ghost bottleneck为堆叠Ghost模块 ,与YOLOV8建立轻量C2f_GhostBottleneck  🚀🚀🚀YOLOv8改进专栏:http://t.csdnimg.cn/hGhVK 学姐带你学习YOLOv8,从入门到创新,轻轻松松搞定科研;  1.Ghostnet介绍 论文: https://arxiv.org/pdf/1911.1

CVPR2020:Learning in the Frequency Domain(翻译)(一)

图像分析新方法:“频域学习”(Learning in the Frequency Domain) 就是省略图像压缩/解压缩中计算量最大的步骤,直接利用频域特征来进行图像推理,减少系统中模块之间的数据传输量,从而提升系统性能。输入的数据量更小,深度神经网络在图像分类/分割任务上的精度反而提升了。 论文地址:https://arxiv.org/pdf/2002.12416.pdf 摘要:

CVPR2020|美团无人配送CVPR2020论文CenterMask解读

点击上方“AI算法修炼营”,选择加星标或“置顶” 标题以下,全是干货 来源 | 公众号:美团无人配送 整理 | 焉知自动驾驶 本文仅作学术交流,如有侵权,请联系删文 本文介绍美团无人配送团队在CVPR2020中发表的文章『CenterMask: single shot instance segmentation with point representation』,介绍了美团无人配送团队提出

CVPR2020 Oral|实例分割新思路: Deep Snake

点击上方“AI算法修炼营”,选择加星标或“置顶” 标题以下,全是干货 本文授权转自知乎作者彭思达,整理:极市平台 地址:https://zhuanlan.zhihu.com/p/134111177 记得点击文章最后:阅读原文,支持原作者 仅做学术交流,如有侵权,请联系删文 我们介绍一篇2020 CVPR Oral的实例分割的论文:Deep Snake for Real-Time Instance

CVPR2020 | 显著性目标检测,多尺度信息相互融合

点击上方“AI算法修炼营”,选择“星标”公众号 精选作品,第一时间送达 本文是收录于CVPR2020的有关显著性目标检测的文章,主要的创新点在特征聚合操作,可以迁移到其他需要融合深层和浅层特征点的任务中。代码已开源并在不断维护中,值得学习! 论文地址:https://arxiv.org/pdf/2007.09062.pdf 代码地址:https://github.com/lartpang/

CVPR2020 | HANet:通过高度驱动的注意力网络改善城市场景语义分割

点击上方“AI算法修炼营”,选择加星标或“置顶” 标题以下,全是干货 论文地址:https://arxiv.org/abs/2003.05128  代码地址:https://github.com/shachoi/HANet 该论文利用了城市场景图像的内在特征,并提出了一个通用的附加模块,称为高度驱动的注意力网络(HANet),用于改善城市场景图像的语义分割。 将城市场景图像进行水平分割后(分为

基于视频的行人再识别(7)--MGH(CVPR2020)

失踪人口回归 😃. 如果觉得本文对您有所帮助的话,可以给我的github点个赞呀~本人有空会更新一些视频行人再识别的相关资料,比如代码注释、论文翻译等等。 github:https://github.com/AsuradaYuci/awesome_video_person_reid 目录 1.Learning Multi-Granular Hypergraphs for Video-Ba

目标检测排行榜_CVPR2020 | 阿里结构感知3D目标检测,KITTI BEV 排行榜第一!

本文转载自机器之心。 阿里巴巴达摩院在自动驾驶 3D 物体检测方面又有新成果发布。近日,计算机视觉顶会 CVPR 2020 接收论文结果发布,达摩院一篇名为《Structure Aware Single-Stage 3D Object Detection from Point Cloud》的论文入选。 该论文提出了一个通用、高性能的检测器,首次实现 3D 物体检测精度与速度的兼得,有效提

CVPR2020 Improving Convolutional Networks with Self-Calibrated Convolutions论文详解 SC-Net 注意力机制

论文:http://mftp.mmcheng.net/Papers/20cvprSCNet.pdf 代码:https://github.com/MCG-NKU/SCNet 《Improving Convolutional Networks with Self-calibrated Convolutions》 CVPR2020 南开大学程明明团队(将多尺度引入Resnet中的Res2Net)

Siamese Box Adaptive Network for Visual Tracking --Siamban,CVPR2020单目标跟踪开源

论文链接 : http://xxx.itp.ac.cn/pdf/2003.06761v2.pdf 开源项目:https://github.com/hqucv/siamban 创新点:siamban框架 改进:准确估计目标的尺度和纵横比 由于RPN引入导致的参数复杂性 避免了很多超参数,更加灵活 Abstract 现有的跟踪器大多依赖于多尺度搜索方案或预定义的锚来精确估计目标的尺度和纵横比(t

Siamese Box Adaptive Network for Visual Tracking --Siamban,CVPR2020单目标跟踪开源

论文链接 : http://xxx.itp.ac.cn/pdf/2003.06761v2.pdf 开源项目:https://github.com/hqucv/siamban 创新点:siamban框架 改进:准确估计目标的尺度和纵横比 由于RPN引入导致的参数复杂性 避免了很多超参数,更加灵活 Abstract 现有的跟踪器大多依赖于多尺度搜索方案或预定义的锚来精确估计目标的尺度和纵横比(t

【事件相机2020】CVPR2020中关于事件相机的研究

微信公众号:【事件相机】,交流事件相机的相关科研与应用。欢迎大家关注 RPG维护的github的文章许多也没有及时补充,所以只能自己去搜。最近简单翻看了CVPR2020中,关于事件相机研究的几篇论文。在此做一下简单总结。由于涉及方向较多,许多文章不太能看懂,所以只是泛读,了解最新的研究在做什么。 (本文原创发表于公众号,3D视觉工坊,在本博客中略有修改,但依旧按照转载进行标注。如需转载,请

【事件相机2020】CVPR2020中关于事件相机的研究

微信公众号:【事件相机】,交流事件相机的相关科研与应用。欢迎大家关注 RPG维护的github的文章许多也没有及时补充,所以只能自己去搜。最近简单翻看了CVPR2020中,关于事件相机研究的几篇论文。在此做一下简单总结。由于涉及方向较多,许多文章不太能看懂,所以只是泛读,了解最新的研究在做什么。 (本文原创发表于公众号,3D视觉工坊,在本博客中略有修改,但依旧按照转载进行标注。如需转载,请

初识事件相机系列- CVPR2020事件相机(Event Camera)研究文章汇总

初识事件相机系列 - CVPR2020事件相机(Event Camera)研究文章汇总 原创 董岩 3D视觉工坊 5天前 点击上方“3D视觉工坊”,选择“星标” 干货第一时间送达 本文介绍了CVPR 2020中关于事件相机(Event Camera)的相关研究。所列举的论文由CVPR录取论文中通过关键字搜索得到,难免会有遗漏;同时由于涉及具体的方向较多,粗略学习可能理解不到位,难免

初识事件相机系列- CVPR2020事件相机(Event Camera)研究文章汇总

初识事件相机系列 - CVPR2020事件相机(Event Camera)研究文章汇总 原创 董岩 3D视觉工坊 5天前 点击上方“3D视觉工坊”,选择“星标” 干货第一时间送达 本文介绍了CVPR 2020中关于事件相机(Event Camera)的相关研究。所列举的论文由CVPR录取论文中通过关键字搜索得到,难免会有遗漏;同时由于涉及具体的方向较多,粗略学习可能理解不到位,难免

《Universal Weighting Metric Learning for Cross-Modal Matching》---CVPR2020 论文阅读

现有的度量学习方法大多是为单模态匹配而发展的,不适合异构数据的跨模态匹配,为了解决这个问题,作者提出了一个简单并且具有可解释性的通用的权重框架对于跨模态匹配,使用两个多项书来就算正负样本对的权值,此外,作者在通用权框架下引入了一种新的多项式损失,它分别定义了正信息对和负信息对的权函数,可以有效地从冗余对中选择信息对,并给不同的对分配适当的权重,从而提高性能。    Universal

【论文分享CVPR2020】Multiple Object Tracking by Flowing and Fusing

Flowing and Fusing 论文分享 题目:Multiple Object Tracking by Flowing and Fusing (CVPR2020) 论文连接 1. 要解决的问题: 大多数的MOT的方法都是两个步骤: 1)在输入帧上分别运行一个运动模型和一个外观模型,分别生成运动和外观特征; 2)根据运动和外观特征在帧之间进行目标关联。 然而,这两个步骤在端

【论文翻译】Multiple Object Tracking by Flowing and Fusing(CVPR2020)

Multiple Object Tracking by Flowing and Fusing 通过光流和融合实现多目标跟踪 摘要: 大多数的多目标跟踪(MOT)方法都是为两个子任务计算单独的目标特征:目标方向的运动估计和成对的再识别(Re-ID)。由于视频帧之间的目标数目不确定,这两个子任务在端到端深度神经网络(DNNs)中都很难有效地扩展。针对上述问题,本文设计了一种端到端DNN跟踪方

CVPR2020论文翻译:CascadePSP: Toward Class-Agnostic and Very High-Resolution Segmentation

CVPR2020: CascadePSP: Toward Class-Agnostic and Very High-Resolution Segmentation via Global and Local Refinement 题目:通过全局和局部优化进行超高分辨率的图像分割 论文地址:https://arxiv.org/abs/2005.02551 代码地址:https://githu