计算机视觉最火方向是什么？ 当然是目标检测啦！ 目标检测，是计算机视觉领域的核心问题之一，近两年全球顶会的相关论文达上百篇，受到越来越多的人关注。无论是做人脸识别、自动驾驶、文字检测、人机交互，都离不开目标检测这一大基石。 随着精准度的逐年提升，目标检测技术的落地愈发成熟，已被广泛应用于工业、交通、遥感、医疗、娱乐等各个领域！ 百度作为「中国AI头雁」在目标检测算法研究、产业实践

点击上方蓝字,获得更多精彩内容 精彩内容 浙大提出：超快速结构感知的车道线检测网络 ，在速度和准确性方面综合表现出色！轻量级版本速度高达300+ FPS！论文链接：https://arxiv.org/abs/2004.11757代码刚开源：https://github.com/cfzd/Ultra-Fast-Lane-Detection作者团队：浙江大学（李玺团队） 1 摘要 从上图可以看出

本文将介绍一种基于特征分离的无监督姿态特征学习模型，作者来自香港中文大学 论文链接：https://arxiv.org/abs/2007.07053 代码链接：https://github.com/NIEQiang001/unsupervised-human-pose 主要思想： 对于姿态估计任务来说，不同的姿态和同一姿态的不同视角所呈现出来的姿态图是不相同的，作者希望能够消除同一姿态不同拍

🥇 版权: 本文由【墨理】原创、在CSDN首发、感谢查阅 | 禁止转载，敬请理解❤️ 如果文章对你有帮助、欢迎三连、感谢订阅 文章目录 🥇 基础信息📔 环境搭建📕 官方测试过程如下📗 我的测试过程记录如下🔵 运行图像着色🟣 着色测试效果如下🔵 运行图像修复🟣 图像修复测试效果如下🔵 category_transfer 风格转换测试如下🟣 转换效果如下

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 这篇文章收录于ECCV2020，主要是有关语义分割算法中的上下文信息重建方法，本文中同时考虑了通道维和空间维，可以看作是视觉注意力机制的优化与应用。思想其实和CCNet、CVPR2020的条纹池化Strip Pooling相似，这篇可以看作是他们的抽象。 论文地址：https://arxiv.org/abs/2008.

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 这篇文章收录于ECCV2020，将Transformer机制应用于对特征金字塔FPN的改进上，整体思路新颖，和之前的将Transformer应用于目标检测、语义分割、超分辨率等任务的思想相类似，是一个能够继续挖掘的方向。 论文地址：https://arxiv.org/abs/2007.09451 代码地址：https:

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 这篇文章收录于ECCV2020，作者团队是香港中文大学、腾讯优图、思谋科技等。整体文章思路通过深入了解box来优化anchor-free目标检测的性能，整体分为box分解和重组（D&R）模块和语义一致性模块，首先进行边界框的重组选择更准确的边界框，之后选择一致性强的像素来更精确地拟合目标范围，从而提高目标检测性能。思路还

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 这篇文章收录于ECCV2020，是作者团队是：国科大、华为、华中科大、鹏城实验室。是一篇关于Anchor-free的两阶段目标检测网络，效果可达49.2%AP，在准确率和召回率等性能上优于CenterNet、FCOS等网络，并且模型的推理速度较快。整体的思路，可以说有一点点无聊，不过当作个水文看看还是可以的。 论文地址

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 这篇文章收录于ECCV2020，是百度Apollo团队发表的关于3D车道线检测的文章，针对3D-LaneNet做了一些改进，能够直接输出车道线的3D坐标。文章在Apollo Synthetic的3D车道线检测数据集上进行实验，取得了比前作3D-LaneNet更好的效果。已经开源，大家可以尝试下。 论文地址：https:

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 这篇文章收录于ECCV2020，是旷视科技和香港理工大学发表一篇关于新的激活函数的文章。主要的创新点是在激活函数阶段实现像素级的空间信息建模能力，能够用于目标检测、语义分割等目标识别任务，简单又高效！ 论文地址：https://arxiv.org/pdf/2007.11824.pdf 代码地址：https://gith