python开发界面程序，CVPR2024 论文和代码合集，作为一名程序员我不忘初心

最新推荐文章于 2024-09-02 23:14:47 发布
最新推荐文章于 2024-09-02 23:14:47 发布
阅读量965 收藏 11
点赞数 20
分类专栏： 2024年程序员学习 文章标签： python 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_83947194/article/details/137445381
版权

  • 视频目标检测

  • 目标跟踪

    • 多目标跟踪

  • 语义分割

  • 实例分割

  • 全景分割

  • 视频目标分割

  • 超像素分割

  • 交互式图像分割

  • NAS

  • GAN

  • Re-ID

  • 3D点云（分类/分割/配准等）

    • 3D点云卷积

  • 3D点云分类

  • 3D点云语义分割

  • 3D点云实例分割

  • 3D点云配准

  • 3D点云补全

  • 3D点云目标跟踪

  • 其他

  • 人脸

    • 人脸识别

  • 人脸检测

  • 人脸活体检测

  • 人脸表情识别

  • 人脸转正

  • 人脸3D重建

  • 人体姿态估计(2D/3D)

    • 2D人体姿态估计

  • 3D人体姿态估计

  • 人体解析

  • 场景文本检测

  • 场景文本识别

  • 特征(点)检测和描述

  • 超分辨率

    • 图像超分辨率

  • 视频超分辨率

  • 模型压缩/剪枝

  • 视频理解/行为识别

    • 基于骨架的动作识别

  • 人群计数

  • 深度估计

    • 单目深度估计

  • 6D目标姿态估计

  • 手势估计

  • 显著性检测

  • 去噪

  • 去雨

  • 去模糊

    • 视频去模糊

  • 去雾

  • 特征点检测与描述

  • 视觉问答(VQA)

  • 视频问答(VideoQA)

  • 视觉语言导航

  • 视频压缩

  • 视频插帧

  • 风格迁移

  • 车道线检测

  • "人-物"交互(HOT)检测

  • 轨迹预测

  • 运动预测

  • 光流估计

  • 图像检索

  • 虚拟试衣

  • HDR

  • 对抗样本

  • 三维重建

  • 深度补全

  • 语义场景补全

  • 图像/视频描述

  • 线框解析

  • 数据集

  • 其他

  • 不确定中没中

CNN

==============================================================

Exploring Self-attention for Image Recognition

  • 论文：https://hszhao.github.io/papers/cvpr20_san.pdf

  • 代码：https://github.com/hszhao/SAN

Improving Convolutional Networks with Self-Calibrated Convolutions

  • 主页：https://mmcheng.net/scconv/

  • 论文：http://mftp.mmcheng.net/Papers/20cvprSCNet.pdf

  • 代码：https://github.com/backseason/SCNet

Rethinking Depthwise Separable Convolutions: How Intra-Kernel Correlations Lead to Improved MobileNets

  • 论文：https://arxiv.org/abs/2003.13549

  • 代码：https://github.com/zeiss-microscopy/BSConv

图像分类

===============================================================

Interpretable and Accurate Fine-grained Recognition via Region Grouping

  • 论文：https://arxiv.org/abs/2005.10411

  • 代码：https://github.com/zxhuang1698/interpretability-by-parts

Compositional Convolutional Neural Networks: A Deep Architecture with Innate Robustness to Partial Occlusion

  • 论文：https://arxiv.org/abs/2003.04490

  • 代码：https://github.com/AdamKortylewski/CompositionalNets

Spatially Attentive Output Layer for Image Classification

  • 论文：https://arxiv.org/abs/2004.07570

  • 代码（好像被原作者删除了）：https://github.com/ildoonet/spatially-attentive-output-layer

视频分类

===============================================================

SmallBigNet: Integrating Core and Contextual Views for Video Classification

  • 论文：https://arxiv.org/abs/2006.14582

  • 代码：https://github.com/xhl-video/SmallBigNet

目标检测

===============================================================

Overcoming Classifier Imbalance for Long-tail Object Detection with Balanced Group Softmax

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Li_Overcoming_Classifier_Imbalance_for_Long-Tail_Object_Detection_With_Balanced_Group_CVPR_2020_paper.pdf

  • 代码：https://github.com/FishYuLi/BalancedGroupSoftmax

AugFPN: Improving Multi-scale Feature Learning for Object Detection

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Guo_AugFPN_Improving_Multi-Scale_Feature_Learning_for_Object_Detection_CVPR_2020_paper.pdf

  • 代码：https://github.com/Gus-Guo/AugFPN

Noise-Aware Fully Webly Supervised Object Detection

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Shen_Noise-Aware_Fully_Webly_Supervised_Object_Detection_CVPR_2020_paper.html

  • 代码：https://github.com/shenyunhang/NA-fWebSOD/

Learning a Unified Sample Weighting Network for Object Detection

  • 论文：https://arxiv.org/abs/2006.06568

  • 代码：https://github.com/caiqi/sample-weighting-network

D2Det: Towards High Quality Object Detection and Instance Segmentation

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Cao_D2Det_Towards_High_Quality_Object_Detection_and_Instance_Segmentation_CVPR_2020_paper.pdf

  • 代码：https://github.com/JialeCao001/D2Det

Dynamic Refinement Network for Oriented and Densely Packed Object Detection

  • 论文下载链接：https://arxiv.org/abs/2005.09973

  • 代码和数据集：https://github.com/Anymake/DRN_CVPR2020

Scale-Equalizing Pyramid Convolution for Object Detection

论文：https://arxiv.org/abs/2005.03101

代码：https://github.com/jshilong/SEPC

Revisiting the Sibling Head in Object Detector

  • 论文：https://arxiv.org/abs/2003.07540

  • 代码：https://github.com/Sense-X/TSD

Scale-equalizing Pyramid Convolution for Object Detection

  • 论文：暂无

  • 代码：https://github.com/jshilong/SEPC

Detection in Crowded Scenes: One Proposal, Multiple Predictions

  • 论文：https://arxiv.org/abs/2003.09163

  • 代码：https://github.com/megvii-model/CrowdDetection

Instance-aware, Context-focused, and Memory-efficient Weakly Supervised Object Detection

  • 论文：https://arxiv.org/abs/2004.04725

  • 代码：https://github.com/NVlabs/wetectron

Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection

  • 论文：https://arxiv.org/abs/1912.02424

  • 代码：https://github.com/sfzhang15/ATSS

BiDet: An Efficient Binarized Object Detector

  • 论文：https://arxiv.org/abs/2003.03961

  • 代码：https://github.com/ZiweiWangTHU/BiDet

Harmonizing Transferability and Discriminability for Adapting Object Detectors

  • 论文：https://arxiv.org/abs/2003.06297

  • 代码：https://github.com/chaoqichen/HTCN

CentripetalNet: Pursuing High-quality Keypoint Pairs for Object Detection

  • 论文：https://arxiv.org/abs/2003.09119

  • 代码：https://github.com/KiveeDong/CentripetalNet

Hit-Detector: Hierarchical Trinity Architecture Search for Object Detection

  • 论文：https://arxiv.org/abs/2003.11818

  • 代码：https://github.com/ggjy/HitDet.pytorch

EfficientDet: Scalable and Efficient Object Detection

  • 论文：https://arxiv.org/abs/1911.09070

  • 代码：https://github.com/google/automl/tree/master/efficientdet

3D目标检测

=================================================================

SESS: Self-Ensembling Semi-Supervised 3D Object Detection

  • 论文： https://arxiv.org/abs/1912.11803

  • 代码：https://github.com/Na-Z/sess

Associate-3Ddet: Perceptual-to-Conceptual Association for 3D Point Cloud Object Detection

  • 论文： https://arxiv.org/abs/2006.04356

  • 代码：https://github.com/dleam/Associate-3Ddet

What You See is What You Get: Exploiting Visibility for 3D Object Detection

  • 主页：https://www.cs.cmu.edu/~peiyunh/wysiwyg/

  • 论文：https://arxiv.org/abs/1912.04986

  • 代码：https://github.com/peiyunh/wysiwyg

Learning Depth-Guided Convolutions for Monocular 3D Object Detection

  • 论文：https://arxiv.org/abs/1912.04799

  • 代码：https://github.com/dingmyu/D4LCN

Structure Aware Single-stage 3D Object Detection from Point Cloud

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/He_Structure_Aware_Single-Stage_3D_Object_Detection_From_Point_Cloud_CVPR_2020_paper.html

  • 代码：https://github.com/skyhehe123/SA-SSD

IDA-3D: Instance-Depth-Aware 3D Object Detection from Stereo Vision for Autonomous Driving

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Peng_IDA-3D_Instance-Depth-Aware_3D_Object_Detection_From_Stereo_Vision_for_Autonomous_CVPR_2020_paper.pdf

  • 代码：https://github.com/swords123/IDA-3D

Train in Germany, Test in The USA: Making 3D Object Detectors Generalize

  • 论文：https://arxiv.org/abs/2005.08139

  • 代码：https://github.com/cxy1997/3D_adapt_auto_driving

MLCVNet: Multi-Level Context VoteNet for 3D Object Detection

  • 论文：https://arxiv.org/abs/2004.05679

  • 代码：https://github.com/NUAAXQ/MLCVNet

3DSSD: Point-based 3D Single Stage Object Detector

  • CVPR 2020 Oral

  • 论文：https://arxiv.org/abs/2002.10187

  • 代码：https://github.com/tomztyang/3DSSD

Disp R-CNN: Stereo 3D Object Detection via Shape Prior Guided Instance Disparity Estimation

  • 论文：https://arxiv.org/abs/2004.03572

  • 代码：https://github.com/zju3dv/disprcn

End-to-End Pseudo-LiDAR for Image-Based 3D Object Detection

  • 论文：https://arxiv.org/abs/2004.03080

  • 代码：https://github.com/mileyan/pseudo-LiDAR_e2e

DSGN: Deep Stereo Geometry Network for 3D Object Detection

  • 论文：https://arxiv.org/abs/2001.03398

  • 代码：https://github.com/chenyilun95/DSGN

LiDAR-based Online 3D Video Object Detection with Graph-based Message Passing and Spatiotemporal Transformer Attention

  • 论文：https://arxiv.org/abs/2004.01389

  • 代码：https://github.com/yinjunbo/3DVID

PV-RCNN: Point-Voxel Feature Set Abstraction for 3D Object Detection

  • 论文：https://arxiv.org/abs/1912.13192

  • 代码：https://github.com/sshaoshuai/PV-RCNN

Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud

  • 论文：https://arxiv.org/abs/2003.01251

  • 代码：https://github.com/WeijingShi/Point-GNN

视频目标检测

=================================================================

Memory Enhanced Global-Local Aggregation for Video Object Detection

论文：https://arxiv.org/abs/2003.12063

代码：https://github.com/Scalsol/mega.pytorch

目标跟踪

===============================================================

SiamCAR: Siamese Fully Convolutional Classification and Regression for Visual Tracking

  • 论文：https://arxiv.org/abs/1911.07241

  • 代码：https://github.com/ohhhyeahhh/SiamCAR

D3S – A Discriminative Single Shot Segmentation Tracker

  • 论文：https://arxiv.org/abs/1911.08862

  • 代码：https://github.com/alanlukezic/d3s

ROAM: Recurrently Optimizing Tracking Model

  • 论文：https://arxiv.org/abs/1907.12006

  • 代码：https://github.com/skyoung/ROAM

Siam R-CNN: Visual Tracking by Re-Detection

  • 主页：https://www.vision.rwth-aachen.de/page/siamrcnn

  • 论文：https://arxiv.org/abs/1911.12836

  • 论文2：https://www.vision.rwth-aachen.de/media/papers/192/siamrcnn.pdf

  • 代码：https://github.com/VisualComputingInstitute/SiamR-CNN

Cooling-Shrinking Attack: Blinding the Tracker with Imperceptible Noises

  • 论文：https://arxiv.org/abs/2003.09595

  • 代码：https://github.com/MasterBin-IIAU/CSA

High-Performance Long-Term Tracking with Meta-Updater

  • 论文：https://arxiv.org/abs/2004.00305

  • 代码：https://github.com/Daikenan/LTMU

AutoTrack: Towards High-Performance Visual Tracking for UAV with Automatic Spatio-Temporal Regularization

  • 论文：https://arxiv.org/abs/2003.12949

  • 代码：https://github.com/vision4robotics/AutoTrack

Probabilistic Regression for Visual Tracking

  • 论文：https://arxiv.org/abs/2003.12565

  • 代码：https://github.com/visionml/pytracking

MAST: A Memory-Augmented Self-supervised Tracker

  • 论文：https://arxiv.org/abs/2002.07793

  • 代码：https://github.com/zlai0/MAST

Siamese Box Adaptive Network for Visual Tracking

  • 论文：https://arxiv.org/abs/2003.06761

  • 代码：https://github.com/hqucv/siamban

多目标跟踪

3D-ZeF: A 3D Zebrafish Tracking Benchmark Dataset

  • 主页：https://vap.aau.dk/3d-zef/

  • 论文：https://arxiv.org/abs/2006.08466

  • 代码：https://bitbucket.org/aauvap/3d-zef/src/master/

  • 数据集：https://motchallenge.net/data/3D-ZeF20

语义分割

===============================================================

FDA: Fourier Domain Adaptation for Semantic Segmentation

  • 论文：https://arxiv.org/abs/2004.05498

  • 代码：https://github.com/YanchaoYang/FDA

Super-BPD: Super Boundary-to-Pixel Direction for Fast Image Segmentation

  • 论文：暂无

  • 代码：https://github.com/JianqiangWan/Super-BPD

Single-Stage Semantic Segmentation from Image Labels

  • 论文：https://arxiv.org/abs/2005.08104

  • 代码：https://github.com/visinf/1-stage-wseg

Learning Texture Invariant Representation for Domain Adaptation of Semantic Segmentation

  • 论文：https://arxiv.org/abs/2003.00867

  • 代码：https://github.com/MyeongJin-Kim/Learning-Texture-Invariant-Representation

MSeg: A Composite Dataset for Multi-domain Semantic Segmentation

  • 论文：http://vladlen.info/papers/MSeg.pdf

  • 代码：https://github.com/mseg-dataset/mseg-api

CascadePSP: Toward Class-Agnostic and Very High-Resolution Segmentation via Global and Local Refinement

  • 论文：https://arxiv.org/abs/2005.02551

  • 代码：https://github.com/hkchengrex/CascadePSP

Unsupervised Intra-domain Adaptation for Semantic Segmentation through Self-Supervision

  • Oral

  • 论文：https://arxiv.org/abs/2004.07703

  • 代码：https://github.com/feipan664/IntraDA

Self-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation

  • 论文：https://arxiv.org/abs/2004.04581

  • 代码：https://github.com/YudeWang/SEAM

Temporally Distributed Networks for Fast Video Segmentation

  • 论文：https://arxiv.org/abs/2004.01800

  • 代码：https://github.com/feinanshan/TDNet

Context Prior for Scene Segmentation

  • 论文：https://arxiv.org/abs/2004.01547

  • 代码：https://git.io/ContextPrior

Strip Pooling: Rethinking Spatial Pooling for Scene Parsing

  • 论文：https://arxiv.org/abs/2003.13328

  • 代码：https://github.com/Andrew-Qibin/SPNet

Cars Can’t Fly up in the Sky: Improving Urban-Scene Segmentation via Height-driven Attention Networks

  • 论文：https://arxiv.org/abs/2003.05128

  • 代码：https://github.com/shachoi/HANet

Learning Dynamic Routing for Semantic Segmentation

  • 论文：https://arxiv.org/abs/2003.10401

  • 代码：https://github.com/yanwei-li/DynamicRouting

实例分割

===============================================================

D2Det: Towards High Quality Object Detection and Instance Segmentation

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/papers/Cao_D2Det_Towards_High_Quality_Object_Detection_and_Instance_Segmentation_CVPR_2020_paper.pdf

  • 代码：https://github.com/JialeCao001/D2Det

PolarMask: Single Shot Instance Segmentation with Polar Representation

  • 论文：https://arxiv.org/abs/1909.13226

  • 代码：https://github.com/xieenze/PolarMask

  • 解读：https://zhuanlan.zhihu.com/p/84890413

CenterMask : Real-Time Anchor-Free Instance Segmentation

  • 论文：https://arxiv.org/abs/1911.06667

  • 代码：https://github.com/youngwanLEE/CenterMask

BlendMask: Top-Down Meets Bottom-Up for Instance Segmentation

  • 论文：https://arxiv.org/abs/2001.00309

  • 代码：https://github.com/aim-uofa/AdelaiDet

Deep Snake for Real-Time Instance Segmentation

  • 论文：https://arxiv.org/abs/2001.01629

  • 代码：https://github.com/zju3dv/snake

Mask Encoding for Single Shot Instance Segmentation

  • 论文：https://arxiv.org/abs/2003.11712

  • 代码：https://github.com/aim-uofa/AdelaiDet

全景分割

===============================================================

Video Panoptic Segmentation

  • 论文：https://arxiv.org/abs/2006.11339

  • 代码：https://github.com/mcahny/vps

  • 数据集：https://www.dropbox.com/s/ecem4kq0fdkver4/cityscapes-vps-dataset-1.0.zip?dl=0

Pixel Consensus Voting for Panoptic Segmentation

  • 论文：https://arxiv.org/abs/2004.01849

  • 代码：还未公布

BANet: Bidirectional Aggregation Network with Occlusion Handling for Panoptic Segmentation

论文：https://arxiv.org/abs/2003.14031

代码：https://github.com/Mooonside/BANet

视频目标分割

=================================================================

A Transductive Approach for Video Object Segmentation

  • 论文：https://arxiv.org/abs/2004.07193

  • 代码：https://github.com/microsoft/transductive-vos.pytorch

State-Aware Tracker for Real-Time Video Object Segmentation

  • 论文：https://arxiv.org/abs/2003.00482

  • 代码：https://github.com/MegviiDetection/video_analyst

Learning Fast and Robust Target Models for Video Object Segmentation

  • 论文：https://arxiv.org/abs/2003.00908

  • 代码：https://github.com/andr345/frtm-vos

Learning Video Object Segmentation from Unlabeled Videos

  • 论文：https://arxiv.org/abs/2003.05020

  • 代码：https://github.com/carrierlxk/MuG

超像素分割

================================================================

Superpixel Segmentation with Fully Convolutional Networks

  • 论文：https://arxiv.org/abs/2003.12929

  • 代码：https://github.com/fuy34/superpixel_fcn

交互式图像分割

==================================================================

Interactive Object Segmentation with Inside-Outside Guidance

  • 论文下载链接：http://openaccess.thecvf.com/content_CVPR_2020/papers/Zhang_Interactive_Object_Segmentation_With_Inside-Outside_Guidance_CVPR_2020_paper.pdf

  • 代码：https://github.com/shiyinzhang/Inside-Outside-Guidance

  • 数据集：https://github.com/shiyinzhang/Pixel-ImageNet

NAS

==============================================================

AOWS: Adaptive and optimal network width search with latency constraints

  • 论文：https://arxiv.org/abs/2005.10481

  • 代码：https://github.com/bermanmaxim/AOWS

Densely Connected Search Space for More Flexible Neural Architecture Search

  • 论文：https://arxiv.org/abs/1906.09607

  • 代码：https://github.com/JaminFong/DenseNAS

MTL-NAS: Task-Agnostic Neural Architecture Search towards General-Purpose Multi-Task Learning

  • 论文：https://arxiv.org/abs/2003.14058

  • 代码：https://github.com/bhpfelix/MTLNAS

FBNetV2: Differentiable Neural Architecture Search for Spatial and Channel Dimensions

  • 论文下载链接：https://arxiv.org/abs/2004.05565

  • 代码：https://github.com/facebookresearch/mobile-vision

Neural Architecture Search for Lightweight Non-Local Networks

  • 论文：https://arxiv.org/abs/2004.01961

  • 代码：https://github.com/LiYingwei/AutoNL

Rethinking Performance Estimation in Neural Architecture Search

  • 论文：https://arxiv.org/abs/2005.09917

  • 代码：https://github.com/zhengxiawu/rethinking_performance_estimation_in_NAS

  • 解读1：https://www.zhihu.com/question/372070853/answer/1035234510

  • 解读2：https://zhuanlan.zhihu.com/p/111167409

CARS: Continuous Evolution for Efficient Neural Architecture Search

  • 论文：https://arxiv.org/abs/1909.04977

  • 代码（即将开源）：https://github.com/huawei-noah/CARS

GAN

==============================================================

SEAN: Image Synthesis with Semantic Region-Adaptive Normalization

  • 论文：https://arxiv.org/abs/1911.12861

  • 代码：https://github.com/ZPdesu/SEAN

Reusing Discriminators for Encoding: Towards Unsupervised Image-to-Image Translation

  • 论文地址：http://openaccess.thecvf.com/content_CVPR_2020/html/Chen_Reusing_Discriminators_for_Encoding_Towards_Unsupervised_Image-to-Image_Translation_CVPR_2020_paper.html

  • 代码地址：https://github.com/alpc91/NICE-GAN-pytorch

Distribution-induced Bidirectional Generative Adversarial Network for Graph Representation Learning

  • 论文：https://arxiv.org/abs/1912.01899

  • 代码：https://github.com/SsGood/DBGAN

PSGAN: Pose and Expression Robust Spatial-Aware GAN for Customizable Makeup Transfer

  • 论文：https://arxiv.org/abs/1909.06956

  • 代码：https://github.com/wtjiang98/PSGAN

Semantically Mutil-modal Image Synthesis

  • 主页：http://seanseattle.github.io/SMIS

  • 论文：https://arxiv.org/abs/2003.12697

  • 代码：https://github.com/Seanseattle/SMIS

Unpaired Portrait Drawing Generation via Asymmetric Cycle Mapping

  • 论文：https://yiranran.github.io/files/CVPR2020_Unpaired%20Portrait%20Drawing%20Generation%20via%20Asymmetric%20Cycle%20Mapping.pdf

  • 代码：https://github.com/yiranran/Unpaired-Portrait-Drawing

Learning to Cartoonize Using White-box Cartoon Representations

  • 论文：https://github.com/SystemErrorWang/White-box-Cartoonization/blob/master/paper/06791.pdf

  • 主页：https://systemerrorwang.github.io/White-box-Cartoonization/

  • 代码：https://github.com/SystemErrorWang/White-box-Cartoonization

  • 解读：https://zhuanlan.zhihu.com/p/117422157

  • Demo视频：https://www.bilibili.com/video/av56708333

GAN Compression: Efficient Architectures for Interactive Conditional GANs

  • 论文：https://arxiv.org/abs/2003.08936

  • 代码：https://github.com/mit-han-lab/gan-compression

Watch your Up-Convolution: CNN Based Generative Deep Neural Networks are Failing to Reproduce Spectral Distributions

  • 论文：https://arxiv.org/abs/2003.01826

  • 代码：https://github.com/cc-hpc-itwm/UpConv

Re-ID

================================================================

High-Order Information Matters: Learning Relation and Topology for Occluded Person Re-Identification

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Wang_High-Order_Information_Matters_Learning_Relation_and_Topology_for_Occluded_Person_CVPR_2020_paper.html

  • 代码：https://github.com/wangguanan/HOReID

COCAS: A Large-Scale Clothes Changing Person Dataset for Re-identification

  • 论文：https://arxiv.org/abs/2005.07862

  • 数据集：暂无

Transferable, Controllable, and Inconspicuous Adversarial Attacks on Person Re-identification With Deep Mis-Ranking

  • 论文：https://arxiv.org/abs/2004.04199

  • 代码：https://github.com/whj363636/Adversarial-attack-on-Person-ReID-With-Deep-Mis-Ranking

Pose-guided Visible Part Matching for Occluded Person ReID

  • 论文：https://arxiv.org/abs/2004.00230

  • 代码：https://github.com/hh23333/PVPM

Weakly supervised discriminative feature learning with state information for person identification

  • 论文：https://arxiv.org/abs/2002.11939

  • 代码：https://github.com/KovenYu/state-information

3D点云（分类/分割/配准等）

==========================================================================

3D点云卷积

PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling

  • 论文：https://arxiv.org/abs/2003.00492

  • 代码：https://github.com/yanx27/PointASNL

Global-Local Bidirectional Reasoning for Unsupervised Representation Learning of 3D Point Clouds

  • 论文下载链接：https://arxiv.org/abs/2003.12971

  • 代码：https://github.com/raoyongming/PointGLR

Grid-GCN for Fast and Scalable Point Cloud Learning

  • 论文：https://arxiv.org/abs/1912.02984

  • 代码：https://github.com/Xharlie/Grid-GCN

FPConv: Learning Local Flattening for Point Convolution

  • 论文：https://arxiv.org/abs/2002.10701

  • 代码：https://github.com/lyqun/FPConv

3D点云分类

PointAugment: an Auto-Augmentation Framework for Point Cloud Classification

  • 论文：https://arxiv.org/abs/2002.10876

  • 代码（即将开源）： https://github.com/liruihui/PointAugment/

3D点云语义分割

RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds

  • 论文：https://arxiv.org/abs/1911.11236

  • 代码：https://github.com/QingyongHu/RandLA-Net

  • 解读：https://zhuanlan.zhihu.com/p/105433460

Weakly Supervised Semantic Point Cloud Segmentation:Towards 10X Fewer Labels

  • 论文：https://arxiv.org/abs/2004.04091

  • 代码：https://github.com/alex-xun-xu/WeakSupPointCloudSeg

PolarNet: An Improved Grid Representation for Online LiDAR Point Clouds Semantic Segmentation

  • 论文：https://arxiv.org/abs/2003.14032

  • 代码：https://github.com/edwardzhou130/PolarSeg

Learning to Segment 3D Point Clouds in 2D Image Space

  • 论文：https://arxiv.org/abs/2003.05593

  • 代码：https://github.com/WPI-VISLab/Learning-to-Segment-3D-Point-Clouds-in-2D-Image-Space

3D点云实例分割

PointGroup: Dual-Set Point Grouping for 3D Instance Segmentation

  • 论文：https://arxiv.org/abs/2004.01658

  • 代码：https://github.com/Jia-Research-Lab/PointGroup

3D点云配准

Feature-metric Registration: A Fast Semi-supervised Approach for Robust Point Cloud Registration without Correspondences

  • 论文：https://arxiv.org/abs/2005.01014

  • 代码：https://github.com/XiaoshuiHuang/fmr

D3Feat: Joint Learning of Dense Detection and Description of 3D Local Features

  • 论文：https://arxiv.org/abs/2003.03164

  • 代码：https://github.com/XuyangBai/D3Feat

RPM-Net: Robust Point Matching using Learned Features

  • 论文：https://arxiv.org/abs/2003.13479

  • 代码：https://github.com/yewzijian/RPMNet

3D点云补全

Cascaded Refinement Network for Point Cloud Completion

  • 论文：https://arxiv.org/abs/2004.03327

  • 代码：https://github.com/xiaogangw/cascaded-point-completion

3D点云目标跟踪

P2B: Point-to-Box Network for 3D Object Tracking in Point Clouds

  • 论文：https://arxiv.org/abs/2005.13888

  • 代码：https://github.com/HaozheQi/P2B

其他

An Efficient PointLSTM for Point Clouds Based Gesture Recognition

  • 论文：http://openaccess.thecvf.com/content_CVPR_2020/html/Min_An_Efficient_PointLSTM_for_Point_Clouds_Based_Gesture_Recognition_CVPR_2020_paper.html

  • 代码：https://github.com/Blueprintf/pointlstm-gesture-recognition-pytorch

人脸

=============================================================

人脸识别

CurricularFace: Adaptive Curriculum Learning Loss for Deep Face Recognition

  • 论文：https://arxiv.org/abs/2004.00288

  • 代码：https://github.com/HuangYG123/CurricularFace

Learning Meta Face Recognition in Unseen Domains

  • 论文：https://arxiv.org/abs/2003.07733

  • 代码：https://github.com/cleardusk/MFR

  • 解读：https://mp.weixin.qq.com/s/YZoEnjpnlvb90qSI3xdJqQ

人脸检测

人脸活体检测

Searching Central Difference Convolutional Networks for Face Anti-Spoofing

  • 论文：https://arxiv.org/abs/2003.04092

  • 代码：https://github.com/ZitongYu/CDCN

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。
img
img



既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
img

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

img
img

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！img

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

img

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

img

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。img

六、面试宝典

在这里插入图片描述

在这里插入图片描述

简历模板在这里插入图片描述

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
img

ca.png)


既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）
[外链图片转存中…(img-JDIC4zYc-1712432917641)]

一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

img
img

二、Python必备开发工具

工具都帮大家整理好了，安装就可直接上手！img

三、最新Python学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

img

四、Python视频合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

img

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。img

六、面试宝典

在这里插入图片描述

在这里插入图片描述

简历模板在这里插入图片描述

一个人可以走的很快，但一群人才能走的更远。不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎扫码加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
[外链图片转存中…(img-V1q7Nh39-1712432917643)]

2401_83947194
关注
  • 20
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
基于python的学生选课系统【论文、源码、开题报告】
itrjxxs_i的博客
11-02 337
在这一章中，主要是罗列出实现系统将采用的技术框架并对其做简单介绍。本论文中的宠物网使用当下主流的 Python开发。系统前端的业务逻辑以及数据展示使用Django框架技术来实现，系统的底层数据库选用了关系型数据库MySQL。Python不仅可以取代NCL，还可以实现NCL不具备的许多功能，极大地改善了用户体验，这已成为未来的趋势。与Highcharts和eCharts等Web前端可视化工具相比，Python在气象数据可视化领域更为专业。
c语言转换为python语言_C语言程序转换为Python语言
weixin_39667398的博客
11-22 4484
python语言是支持用c来它写模块的，其实现有的很多模块也是用c写的。这里我做个简单的介绍。先决条件：1.在linux上编写，需要自己编译出python的动态连接库。也就是要有libpython2.5.so这样的东西。2.在windows上，则需要mingw这个编译环境。其实只要你安装了Dev-Cpp就有了。当然还安装了windows版的python.一、先把源代码帖上来，很简单，假设保存为 h...
人工智能基础（高中版）教材补充和资源分享之一 无限光明的未来、过去和现在
热门推荐
zhangrelay的专栏
06-15 3万+
这些天，抽空读了一下人工智能基础（高中版），觉得作为高中科普教材，还是非常不错的，五星好评推荐。 下面会针对每一章的内容，依据兴趣等补充一些资料。 2019年05月更新链接（人工智能开放课程，点击红旗就是中文版）：https://github.com/Yorko/mlcourse.ai 大纲 这是medium.com上发布的文章列表，habr.com和jqr.com。图标是可点击...
CVPR2024 论文和代码合集，系统学Python从零开始
m0_61331491的博客
03-30 1250
论文：https://arxiv.org/abs/1912.13192代码：https://github.com/sshaoshuai/PV-RCNN。
python从入门到精通：数据可视化-图形开发
2401_83283514的博客
08-29 1155
• Json是一种轻量级的数据交互格式，可以按照Json指定的格式去组织和封装数据• Json本质上是一种带有特殊格式的字符串主要功能：json就是一种在各个编程语言中流通的数据格式，负责不同编程语言中的数据传递和交互，类似于：• 国际通用语言-英语• 中国不同名族的通用语言-中文（普通话）• 各种编程语言存储数据的容器不尽相同，在python中有字典dict这样的数据类型，而其它语言可能没有对应的字典。为了让不同的语言都能够相互通用的互相传递数据，Json就是一种非常良好的数据中转格式。
【python】关于判断空值None、判断len()=0，和 if not 的区别
Meggie35的博客
08-28 7063
python的“空”与“无”之辩，关于None，和空数值。在程序中，判断里面没有值和判断东西是不是为空，也是不一样的东西，我们可以往下看看具体的区别。
Python核心编程--Python要点总结
GDHBFTGGG的博客
08-21 4289
Python 核心编程包括了一些关键的要点，理解这些要点对于掌握 Python 至关重要。
使用 DrissionPage 和 2Captcha 处理 Turnstile 验证并获取 Faucet 签名
qq_41631913的博客
08-30 1212
本教程介绍了两种获取 Cloudflare Turnstile 验证值并使用 faucet 签名 API 的方法。第一种方法通过 DrissionPage 模拟浏览器操作，手动获取验证码值。第二种方法则通过 2Captcha 服务，自动化解决验证码问题。
爬取长篇小说：选择何种IP策略最佳？
KookeeyLena5的博客
08-29 415
在爬取长篇小说时，选择合适的IP策略至关重要。根据目标网站的反爬虫机制、请求频率限制以及爬取需求的不同，可以选择静态IP、动态IP、住宅IP或数据中心IP等不同类型的IP地址。同时，使用代理服务器或VPN等工具可以进一步提高爬取的稳定性和效率。在爬取过程中，应遵循最佳实践，确保爬取行为的合法性和稳定性。
CUDA编程08 - 并行编程思维
最新发布
GPU全栈博主-程序哥
09-02 992
到目前为止，我们集中于学习并行编程的实用知识，包括CUDA编程接口特性、GPU架构、性能优化技术、并行模式和应用案例研究。在本章中，我们将讨论更为抽象的概念。我们将并行编程概括为一种思维过程，即设计或选择并行算法，并将一个实际问题分解基本的工作单元，这些工作单元可以由所选的算法高效地执行。具备强大思维技能的程序员不仅会分析问题，还会转变实际问题的结构：哪些部分本质上是串行的，哪些部分适合并行执行，以及将前者的部分转移到后者所涉及的一些权衡。
《python语言程序设计》第8章第9题将二进制数作为字符串转换十六进制print和return的区别
电饭叔
08-31 217
在这里我发现了return和print的区别如果运行的是“print如果运行"return"
Transiting from CUDA to HIP（一）
weixin_44500921的博客
09-02 388
设置。
【2024】Datawhale AI夏令营-从零上手Mobile Agent-Task1笔记
Mocode的博客
08-28 892
Task1主要任务是跑通Mobile-Agent Demo。
Flask中的g的作用
sheji888的专栏
09-01 859
Flask中的g对象是一个非常重要的概念，它在Flask应用程序的上下文中扮演着关键角色。下面我将详细阐述g对象的作用，但由于篇幅限制，无法达到5000字，但会尽量全面而精炼地介绍其关键特性和用途。
【Python报错已解决】`TypeError: ‘numpy.ndarray‘ object is not callable`
鸽芷咕的博客
09-01 269
在编程中，你是否遇到过尝试调用一个Numpy数组对象时出现了`TypeError: 'numpy.ndarray' object is not callable`的报错？这个问题通常是由于误将Numpy数组当成了一个函数来调用。接下来，我们将分析这个问题并提供解决方案。
np.ndarray和np.array区别；MXNet的 mx.array 类型是什么；NDArray优化了什么：并行计算优化
ZJQ的博客
09-01 161
如果使用传统的密集格式（如NumPy的ndarray）来存储这些梯度，将会占用大量的内存，并导致计算效率低下。MXNet是一个开源的深度学习框架，它提供了多种数据结构和操作来支持高效的数值计算和深度学习模型的训练。总之，MXNet的NDArray通过异步计算、内存优化、高效的数学和线性代数运算、稀疏数据支持以及自动化求导等优化措施，为深度学习模型的训练和数值计算提供了强大的支持。在表面上看似不同，但实际上它们之间有着紧密的联系，并且在大多数情况下可以互换使用，但它们的本质和用途略有不同。
BeautifulSoup：Python网页解析库详解
零度°C的博客
08-30 755
是一个Python库，用于从HTML或XML文件中提取数据。它能够通过简单的方法处理复杂的HTML文档，并且很容易就能找到你需要的标签和数据。
python json jsonl 的用法
大多_C的博客
08-28 1573
JSONL格式是一种非常实用的数据存储格式，特别适合处理大型、结构化的数据集。逐行读取：有效处理大文件，节省内存。简便性：每一行都是独立的JSON对象，便于解析和处理。灵活性：可以很容易地将数据追加到已有文件中。通过上述方法，您可以轻松地在Python中读取、写入和处理JSONL格式的数据。
CVPR 2022 论文精选：检测、分割与更多领域前沿进展
"CVPR 2022 最新论文分类整理及开源代码合集，包含检测、分割、图像处理、视频处理等多个领域，以及相关的论文接收、更新信息和官方链接。" 在计算机视觉领域，CVPR (Computer Vision and Pattern Recognition) 是...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值