华人占大半壁江山！CVPR 2021 目标检测论文大盘点（65篇论文）

最新推荐文章于 2024-04-11 18:00:00 发布
最新推荐文章于 2024-04-11 18:00:00 发布
阅读量2.6k 收藏 22
点赞数 4
文章标签： ocr 人工智能 办公软件 soap 3d
原文链接：https://github.com/amusi/CVPR2021-Papers-with-Code
版权

点击下方卡片，关注“CVer”公众号

AI/CV重磅干货，第一时间送达

作者：Amusi  |  来源：CVer

前言

CVer 正式盘点CVPR 2021上各个方向的工作，本篇是热度依然很高的2D目标检测论文大盘点，之前已分享：

关于更多CVPR 2021的论文和开源代码，可见下面链接：

https://github.com/amusi/CVPR2021-Papers-with-Code

CVPR 2021 2D目标检测论文（65篇）

Amusi 一共搜集了65篇2D目标检测论文，涉及：通用目标检测、旋转目标检测、Few-shot/自监督/半监督/无监督目标检测等方向。

注1：这应该是目前各平台上最新最全面的CVPR 2021 2D目标检测盘点资料，欢迎点赞收藏和分享

注2：3D目标检测、人脸检测、异常检测等检测方向并不在本文范畴，后续将单独分享，敬请期待！

注3：65篇中有超过50+篇论文都来自华人，而且至少50+篇都来自中国地区（高校、企业），其中高校以清华、中科院、国科大等为主，企业以旷视、商汤等为主。

2D目标检测

1. Scaled-YOLOv4: Scaling Cross Stage Partial Network

2. You Only Look One-level Feature

3. Sparse R-CNN: End-to-End Object Detection with Learnable Proposals

4. End-to-End Object Detection with Fully Convolutional Network

  • 作者单位: 旷视科技, 西安交通大学

  • Paper: https://arxiv.org/abs/2012.03544

  • Code: https://github.com/Megvii-BaseDetection/DeFCN

5. Dynamic Head: Unifying Object Detection Heads with Attentions

6. Generalized Focal Loss V2: Learning Reliable Localization Quality Estimation for Dense Object Detection

7. UP-DETR: Unsupervised Pre-training for Object Detection with Transformers

8. MobileDets: Searching for Object Detection Architectures for Mobile Accelerators

  • 作者单位: 威斯康星大学, 谷歌

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/papers/Xiong_MobileDets_Searching_for_Object_Detection_Architectures_for_Mobile_Accelerators_CVPR_2021_paper.pdf

  • Code: https://github.com/tensorflow/models/tree/master/research/object_detection

9. Tracking Pedestrian Heads in Dense Crowd

  • 作者单位: 雷恩第一大学

  • Homepage: https://project.inria.fr/crowdscience/project/dense-crowd-head-tracking/

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Sundararaman_Tracking_Pedestrian_Heads_in_Dense_Crowd_CVPR_2021_paper.html

  • Code1: https://github.com/Sentient07/HeadHunter

  • Code2: https://github.com/Sentient07/HeadHunter%E2%80%93T

  • Dataset: https://project.inria.fr/crowdscience/project/dense-crowd-head-tracking/

10. Joint-DetNAS: Upgrade Your Detector with NAS, Pruning and Dynamic Distillation

  • 作者单位: 香港科技大学, 华为诺亚

  • Paper:  https://arxiv.org/abs/2105.12971

  • Code: None

11. PSRR-MaxpoolNMS: Pyramid Shifted MaxpoolNMS with Relationship Recovery

  • 作者单位: A*star, 四川大学,  南洋理工大学

  • Paper: https://arxiv.org/abs/2105.12990

  • Code: None

12. IQDet: Instance-wise Quality Distribution Sampling for Object Detection

  • 作者单位: 旷视科技

  • Paper: https://arxiv.org/abs/2104.06936

  • Code: None

13. Multi-Scale Aligned Distillation for Low-Resolution Detection

  • 作者单位: 香港中文大学, Adobe研究院, 思谋科技

  • Paper: https://jiaya.me/papers/ms_align_distill_cvpr21.pdf

  • Code: https://github.com/Jia-Research-Lab/MSAD

14. Adaptive Class Suppression Loss for Long-Tail Object Detection

  • 作者单位: 中科院, 国科大, ObjectEye, 北京大学, 鹏城实验室, Nexwise

  • Paper: https://arxiv.org/abs/2104.00885

  • Code: https://github.com/CASIA-IVA-Lab/ACSL

15. VarifocalNet: An IoU-aware Dense Object Detector

  • 作者单位: 昆士兰科技大学, 昆士兰大学

  • Paper(Oral): https://arxiv.org/abs/2008.13367

  • Code: https://github.com/hyz-xmaster/VarifocalNet

16. OTA: Optimal Transport Assignment for Object Detection

  • 作者单位: 早稻田大学, 旷视科技

  • Paper: https://arxiv.org/abs/2103.14259

  • Code: https://github.com/Megvii-BaseDetection/OTA

17. Distilling Object Detectors via Decoupled Features

  • 作者单位: 华为诺亚, 悉尼大学

  • Paper: https://arxiv.org/abs/2103.14475

  • Code: https://github.com/ggjy/DeFeat.pytorch

18. Robust and Accurate Object Detection via Adversarial Learning

  • 作者单位: 谷歌, UCLA, UCSC

  • Paper: https://arxiv.org/abs/2103.13886

  • Code: None

19. OPANAS: One-Shot Path Aggregation Network Architecture Search for Object Detection

  • 作者单位: 北京大学, Anyvision, 石溪大学

  • Paper: https://arxiv.org/abs/2103.04507

  • Code: https://github.com/VDIGPKU/OPANAS

20. Multiple Instance Active Learning for Object Detection

  • 作者单位: 国科大, 华为诺亚, 清华大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/papers/Yuan_Multiple_Instance_Active_Learning_for_Object_Detection_CVPR_2021_paper.pdf

  • Code: https://github.com/yuantn/MI-AOD

21. Towards Open World Object Detection

  • 作者单位: 印度理工学院, MBZUAI, 澳大利亚国立大学, 林雪平大学

  • Paper(Oral): https://arxiv.org/abs/2103.02603

  • Code: https://github.com/JosephKJ/OWOD

22. RankDetNet: Delving Into Ranking Constraints for Object Detection

  • 作者单位: 赛灵思

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Liu_RankDetNet_Delving_Into_Ranking_Constraints_for_Object_Detection_CVPR_2021_paper.html

  • Code: None

旋转目标检测

23. Dense Label Encoding for Boundary Discontinuity Free Rotation Detection

  • 作者单位: 上海交通大学, 国科大

  • Paper: https://arxiv.org/abs/2011.09670

  • Code1: https://github.com/Thinklab-SJTU/DCL_RetinaNet_Tensorflow

  • Code2: https://github.com/yangxue0827/RotationDetection

24. ReDet: A Rotation-equivariant Detector for Aerial Object Detection

  • 作者单位: 武汉大学

  • Paper: https://arxiv.org/abs/2103.07733

  • Code: https://github.com/csuhan/ReDet

25. Beyond Bounding-Box: Convex-Hull Feature Adaptation for Oriented and Densely Packed Object Detection

  • 作者单位: 国科大, 清华大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Guo_Beyond_Bounding-Box_Convex-Hull_Feature_Adaptation_for_Oriented_and_Densely_Packed_CVPR_2021_paper.html

  • Code: https://github.com/SDL-GuoZonghao/BeyondBoundingBox

Few-Shot目标检测

26. Accurate Few-Shot Object Detection With Support-Query Mutual Guidance and Hybrid Loss

  • 作者单位: 复旦大学, 同济大学, 浙江大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Zhang_Accurate_Few-Shot_Object_Detection_With_Support-Query_Mutual_Guidance_and_Hybrid_CVPR_2021_paper.html

  • Code: None

27. Adaptive Image Transformer for One-Shot Object Detection

  • 作者单位: 中央研究院, 台湾AI Labs

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Chen_Adaptive_Image_Transformer_for_One-Shot_Object_Detection_CVPR_2021_paper.html

  • Code: None

28. Dense Relation Distillation with Context-aware Aggregation for Few-Shot Object Detection

  • 作者单位: 北京大学, 北邮

  • Paper: https://arxiv.org/abs/2103.17115

  • Code: https://github.com/hzhupku/DCNet

29. Semantic Relation Reasoning for Shot-Stable Few-Shot Object Detection

  • 作者单位: 卡内基梅隆大学(CMU)

  • Paper: https://arxiv.org/abs/2103.01903

  • Code: None

30. FSCE: Few-Shot Object Detection via Contrastive Proposal Encoding

  • 作者单位: 南加利福尼亚大学, 旷视科技

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Sun_FSCE_Few-Shot_Object_Detection_via_Contrastive_Proposal_Encoding_CVPR_2021_paper.html

  • Code:  https://github.com/MegviiDetection/FSCE

31. Hallucination Improves Few-Shot Object Detection

  • 作者单位: 伊利诺伊大学厄巴纳-香槟分校

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Zhang_Hallucination_Improves_Few-Shot_Object_Detection_CVPR_2021_paper.html

  • Code: https://github.com/pppplin/HallucFsDet

32. Few-Shot Object Detection via Classification Refinement and Distractor Retreatment

  • 作者单位: 新加坡国立大学, SIMTech

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Li_Few-Shot_Object_Detection_via_Classification_Refinement_and_Distractor_Retreatment_CVPR_2021_paper.html

  • Code: None

33. Generalized Few-Shot Object Detection Without Forgetting

  • 作者单位: 旷视科技

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Fan_Generalized_Few-Shot_Object_Detection_Without_Forgetting_CVPR_2021_paper.html

  • Code: None

34. Transformation Invariant Few-Shot Object Detection

  • 作者单位: 华为诺亚方舟实验室

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Li_Transformation_Invariant_Few-Shot_Object_Detection_CVPR_2021_paper.html

  • Code: None

35. UniT: Unified Knowledge Transfer for Any-Shot Object Detection and Segmentation

  • 作者单位: 不列颠哥伦比亚大学, Vector AI, CIFAR AI Chair

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Khandelwal_UniT_Unified_Knowledge_Transfer_for_Any-Shot_Object_Detection_and_Segmentation_CVPR_2021_paper.html

  • Code: https://github.com/ubc-vision/UniT

36. Beyond Max-Margin: Class Margin Equilibrium for Few-Shot Object Detection

  • 作者单位: 国科大, 厦门大学, 鹏城实验室

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Li_Beyond_Max-Margin_Class_Margin_Equilibrium_for_Few-Shot_Object_Detection_CVPR_2021_paper.html

  • Code: https://github.com/Bohao-Lee/CME

半监督目标检测

37. Points As Queries: Weakly Semi-Supervised Object Detection by Points]

  • 作者单位: 旷视科技, 复旦大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Chen_Points_As_Queries_Weakly_Semi-Supervised_Object_Detection_by_Points_CVPR_2021_paper.html

  • Code: None

38. Data-Uncertainty Guided Multi-Phase Learning for Semi-Supervised Object Detection

  • 作者单位: 清华大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Wang_Data-Uncertainty_Guided_Multi-Phase_Learning_for_Semi-Supervised_Object_Detection_CVPR_2021_paper.html

  • Code: None

39. Positive-Unlabeled Data Purification in the Wild for Object Detection

  • 作者单位: 华为诺亚方舟实验室, 悉尼大学, 北京大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Guo_Positive-Unlabeled_Data_Purification_in_the_Wild_for_Object_Detection_CVPR_2021_paper.html

  • Code: None

40. Interactive Self-Training With Mean Teachers for Semi-Supervised Object Detection

  • 作者单位: 阿里巴巴, 香港理工大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Yang_Interactive_Self-Training_With_Mean_Teachers_for_Semi-Supervised_Object_Detection_CVPR_2021_paper.html

  • Code: None

41. Instant-Teaching: An End-to-End Semi-Supervised Object Detection Framework

  • 作者单位: 阿里巴巴

  • Paper: https://arxiv.org/abs/2103.11402

  • Code: None

42. Humble Teachers Teach Better Students for Semi-Supervised Object Detection

  • 作者单位:  卡内基梅隆大学(CMU), 亚马逊

  • Homepage: https://yihet.com/humble-teacher

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Tang_Humble_Teachers_Teach_Better_Students_for_Semi-Supervised_Object_Detection_CVPR_2021_paper.html

  • Code: https://github.com/lryta/HumbleTeacher

43. Interpolation-Based Semi-Supervised Learning for Object Detection

  • 作者单位: 首尔大学, 阿尔托大学等

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Jeong_Interpolation-Based_Semi-Supervised_Learning_for_Object_Detection_CVPR_2021_paper.html

  • Code: https://github.com/soo89/ISD-SSD

域自适应目标检测

44. Domain-Specific Suppression for Adaptive Object Detection

  • 作者单位: 中科院, 寒武纪, 国科大

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Wang_Domain-Specific_Suppression_for_Adaptive_Object_Detection_CVPR_2021_paper.html

  • Code: None

45. MeGA-CDA: Memory Guided Attention for Category-Aware Unsupervised Domain Adaptive Object Detection

  • 作者单位: 约翰斯·霍普金斯大学, 梅赛德斯—奔驰

  • Paper: https://arxiv.org/abs/2103.04224

  • Code: None

46. Unbiased Mean Teacher for Cross-Domain Object Detection

  • 作者单位: 电子科技大学, ETH Zurich

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Deng_Unbiased_Mean_Teacher_for_Cross-Domain_Object_Detection_CVPR_2021_paper.html

  • Code: https://github.com/kinredon/umt

47. I^3Net: Implicit Instance-Invariant Network for Adapting One-Stage Object Detectors

  • 作者单位: 香港大学, 厦门大学, Deepwise AI Lab

  • Paper: https://arxiv.org/abs/2103.13757

  • Code: None

自监督目标检测

48. There Is More Than Meets the Eye: Self-Supervised Multi-Object Detection and Tracking With Sound by Distilling Multimodal Knowledge

  • 作者单位: 弗莱堡大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Valverde_There_Is_More_Than_Meets_the_Eye_Self-Supervised_Multi-Object_Detection_CVPR_2021_paper.html

  • Code: http://rl.uni-freiburg.de/research/multimodal-distill

49. Instance Localization for Self-supervised Detection Pretraining

  • 作者单位: 香港中文大学, 微软亚洲研究院

  • Paper: https://arxiv.org/abs/2102.08318

  • Code: https://github.com/limbo0000/InstanceLoc

弱监督目标检测

50. Informative and Consistent Correspondence Mining for Cross-Domain Weakly Supervised Object Detection

  • 作者单位: 北航, 鹏城实验室, 商汤科技

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Hou_Informative_and_Consistent_Correspondence_Mining_for_Cross-Domain_Weakly_Supervised_Object_CVPR_2021_paper.html

  • Code: None

51. DAP: Detection-Aware Pre-training with Weak Supervision

  • 作者单位: UIUC, 微软

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Zhong_DAP_Detection-Aware_Pre-Training_With_Weak_Supervision_CVPR_2021_paper.html

  • Code: None

其他

52. Open-Vocabulary Object Detection Using Captions

  • 作者单位：Snap, 哥伦比亚大学

  • Paper(Oral): https://openaccess.thecvf.com/content/CVPR2021/html/Zareian_Open-Vocabulary_Object_Detection_Using_Captions_CVPR_2021_paper.html

  • Code: https://github.com/alirezazareian/ovr-cnn

53. Depth From Camera Motion and Object Detection

  • 作者单位:  密歇根大学, SIAI

  • Paper: https://arxiv.org/abs/2103.01468

  • Code: https://github.com/griffbr/ODMD

  • Dataset: https://github.com/griffbr/ODMD

54. Unsupervised Object Detection With LIDAR Clues

  • 作者单位: 商汤科技, 国科大, 中科大

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Tian_Unsupervised_Object_Detection_With_LIDAR_Clues_CVPR_2021_paper.html

  • Code: None

55. GAIA: A Transfer Learning System of Object Detection That Fits Your Needs

  • 作者单位: 国科大, 北理, 中科院, 商汤科技

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Bu_GAIA_A_Transfer_Learning_System_of_Object_Detection_That_Fits_CVPR_2021_paper.html

  • Code: https://github.com/GAIA-vision/GAIA-det

56. General Instance Distillation for Object Detection

  • 作者单位: 旷视科技, 北航

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Dai_General_Instance_Distillation_for_Object_Detection_CVPR_2021_paper.html

  • Code: None

57. AQD: Towards Accurate Quantized Object Detection

  • 作者单位: 蒙纳士大学, 阿德莱德大学, 华南理工大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Chen_AQD_Towards_Accurate_Quantized_Object_Detection_CVPR_2021_paper.html

  • Code: https://github.com/aim-uofa/model-quantization

58. Scale-Aware Automatic Augmentation for Object Detection

  • 作者单位: 香港中文大学, 字节跳动AI Lab, 思谋科技

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Chen_Scale-Aware_Automatic_Augmentation_for_Object_Detection_CVPR_2021_paper.html

  • Code: https://github.com/Jia-Research-Lab/SA-AutoAug

59. Equalization Loss v2: A New Gradient Balance Approach for Long-Tailed Object Detection

  • 作者单位: 同济大学, 商汤科技, 清华大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Tan_Equalization_Loss_v2_A_New_Gradient_Balance_Approach_for_Long-Tailed_CVPR_2021_paper.html

  • Code: https://github.com/tztztztztz/eqlv2

60. Class-Aware Robust Adversarial Training for Object Detection

  • 作者单位: 哥伦比亚大学,  中央研究院

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Chen_Class-Aware_Robust_Adversarial_Training_for_Object_Detection_CVPR_2021_paper.html

  • Code: None

61. Improved Handling of Motion Blur in Online Object Detection

  • 作者单位: 伦敦大学学院

  • Homepage: http://visual.cs.ucl.ac.uk/pubs/handlingMotionBlur/

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Sayed_Improved_Handling_of_Motion_Blur_in_Online_Object_Detection_CVPR_2021_paper.html

  • Code: None

62. Multiple Instance Active Learning for Object Detection

  • 作者单位: 国科大, 华为诺亚

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Yuan_Multiple_Instance_Active_Learning_for_Object_Detection_CVPR_2021_paper.html

  • Code: https://github.com/yuantn/MI-AOD

63. Neural Auto-Exposure for High-Dynamic Range Object Detection

  • 作者单位: Algolux, 普林斯顿大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Onzon_Neural_Auto-Exposure_for_High-Dynamic_Range_Object_Detection_CVPR_2021_paper.html

  • Code: None

64. Generalizable Pedestrian Detection: The Elephant in the Room

  • 作者单位: IIAI, 阿尔托大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Hasan_Generalizable_Pedestrian_Detection_The_Elephant_in_the_Room_CVPR_2021_paper.html

  • Code: https://github.com/hasanirtiza/Pedestron

65. Neural Auto-Exposure for High-Dynamic Range Object Detection

  • 作者单位: Algolux, 普林斯顿大学

  • Paper: https://openaccess.thecvf.com/content/CVPR2021/html/Onzon_Neural_Auto-Exposure_for_High-Dynamic_Range_Object_Detection_CVPR_2021_paper.html

  • Code: None

上述65篇目标检测论文下载
后台回复：CVPR2021，即可下载上述论文PDF
CVPR和Transformer资料下载

后台回复：CVPR2021，即可下载CVPR 2021论文和代码开源的论文合集
后台回复：Transformer综述，即可下载最新的两篇Transformer综述PDF
CVer-目标检测交流群成立
扫码添加CVer助手，可申请加入CVer-目标检测 微信交流群，方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。
一定要备注：研究方向+地点+学校/公司+昵称（如目标检测+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲长按加小助手微信，进交流群▲点击上方卡片，关注CVer公众号
整理不易，请给CVer点赞和在看
Amusi（CVer）
关注
  • 4
    点赞
  • 踩
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
论文阅读 Adaptive Class Suppression Loss for Long-Tail Object Detection 翻译
qq_40310050的博客
10-20 1666
这一篇也是关于解决对长尾条件下的目标检测。 我觉得与《Focal loss》相似，都是在交叉熵损失函数上进行了优化。 CVPR2021 链接: 论文链接. 代码：链接: 开源代码. 提出了一种新的动态类别抑制损失 ACSL 摘要 针对大词汇量目标检测任务的长尾分布问题，现有的方法通常将整个类别划分为若干组，并对每组采用不同的策略进行处理。这些方法带来了以下两个问题。一个是相似大小的相邻类别之间的训练不一致，另一个是学习模型缺乏对尾部类别的区分，尾部类别在语义上与头部类别相似。本文设计了一种新的自适应类抑制损
计算机视觉的论文在哪里找？
gu1857035894的博客
02-27 2071
计算机视觉领域有很多国际会议和期刊，例如CVPR、ICCV、ECCV、TPAMI等，这些会议和期刊都会发布最新的研究成果和论文。
人工智能热点跟踪：CVPR 2024热门研究领域分析
最新发布
audyxiao001的博客
04-11 4536
本文可视化分析了计算机视觉顶会CVPR 2024的研究热点，归纳和总结了热门研究方向，可以为读者追踪计算机视觉的研究热点提供一些有价值的参考。
CVPR2020论文解读汇总
weixin_41960098的博客
09-05 3431
CVPR2020论文解读汇总1 引言2 目标检测3 姿态估计4 三维重建20200905-12：00参考文献 1 引言 为了逼迫自己学习较为前言的思想，每天一个小目标，每天阅读一篇文章 论文下载地址 https://openaccess.thecvf.com/CVPR2020 2 目标检测 3 姿态估计 4 三维重建 20200905-12：00 参考文献 一些其他人的链接，怕找不到 https://blog.csdn.net/Extremevision/article/details/104789697/
CVPR十大论文
weixin_44412864的博客
05-05 206
CVPR 10：Inception-V3 是GoogleNet衍生，对卷积进行了非对称的拆分，显著的降低了参数量，使得空间特征更加的丰富 9：DenseNet 2017年的最佳论文 神经网络经过多层的传播，前层信号和梯度可能会消失，这篇论文解决了这个问题 他对每一层都加了一个shortcut，使得任意的两层网络都可以直接沟通 8：YOLO 在目标检测大名鼎鼎的YOLO v5 只需要浏览一次，就可以识别图中的物体的类别和数量 将目标检测转化为回归问题求解 7：RCNN YOLO之前，目标检测是Y
【论文阅读】解决类别分布严重不均衡
麒麒哈尔的博客
06-01 1198
文章目录Focal lossOHEMGT AugmentBAGS 数据集类别严重不均衡的问题在3D object detection上非常常见，这里记录几篇关于这个问题的解决办法。 Focal loss focal loss可以缓解这个问题，减少容易样本loss的权重。 OHEM 在线难例挖掘，仍然是减少易分类样本对loss的影响。 GT Augment 做少样本类别的instance的augmentation，这在3D object detection任务中是一个非常常见的数据增广手段。但这有个问题是，增
CVPR2021目标检测论文列表及摘要.docx
12-20
本文档提供了CVPR2021年目标检测论文的列表和摘要，涵盖了多篇论文的研究成果。本文将从这些论文中提取关键知识点，旨在提供一个详细的IT知识点总结。 1. 3DIoUMatch: Leveraging IoU Prediction for Semi-...
CVPR2021目标跟踪论文列表及摘要.docx
12-20
本文档总结了CVPR 2021年目标跟踪论文列表及摘要，涵盖了17篇论文的内容。下面将对每篇论文进行详细的总结和分析。 1. Rotation Equivariant Siamese Networks for Tracking 本文提出了一种名为Rotation ...
CVPR2021行人检测重识别论文列表及摘要.docx
12-20
本文档汇总了CVPR2021年的行人检测重识别论文列表，并对每篇论文进行了摘要和分析。 1. Cross-Modal Collaborative Representation Learning and a Large-Scale RGBT Benchmark for Crowd Counting 本文提出了一种...
CVPR2020目标检测论文列表及摘要.docx
12-20
这篇论文提出了一个基于LiDAR的在线3D视频目标检测方法，该方法通过图形基于的消息传递和时空Transformer注意力机制来检测连续点云帧中的目标。该方法由两个组件组成：空间特征编码组件和时空特征聚合组件。空间特征...
ECCV_2018_pedestrian_detection_challenege
04-30
RetinaNet在PyTorch的ECCV 2018中应用于宽脸行人检测挑战 该守则在168个团队中排名21。 改进思路（待办事项）： 运行更多时代 用户更多数据扩充方法 优化诸如学习率，学习率衰减之类的超参数 积极使用ADAM，SGD 使用软纳米 使用多尺度测试。 针对小型行人物体优化FPN特征提取器。 使用GAN生成针对道路和行人环境的训练数据
PED-DETR-for-Pedestrian-Detection
05-20
PED：用于人群行人检测的DETR PED的代码：DETR用于（人群）行人检测 纸 安装 该代码库基于 ， ， 和构建 执照 PED是根据MIT许可发布的。 引用 如果您在研究中使用PED，请考虑引用以下内容： @misc { lin2021detr , title = { DETR for Crowd Pedestrian Detection } , author = { Matthieu Lin and Chuming Li and Xingyuan Bu and Ming Sun and Chen Lin and Junjie Yan and Wanli Ouyang and Zhidong Deng } , year = { 2021 } , eprint = { 2012.06785 } , archiveP
CVPR2021投稿要求
热门推荐
qq_42968558的博客
11-13 1万+
重要提示：请注意，这些政策已从2020年版本更新，包括与arXiv前期工作、代码提交和作者作为评审人相关的指南。 评审过程 通过向CVPR提交论文，作者同意评审过程，并理解论文由多伦多系统处理，以使每个手稿与尽可能好的区域主席和评审员匹配。 保密性 CVPR的审查过程是保密的。评审员是志愿者，不是CVPR组织的一部分，他们的努力是非常感谢的。在评审期间对所有信息保密的做法是与所有评审员进行标准沟通的一部分。滥用机密信息是一种严重的职业失误，当提请CVPR组织者注意时，将采取适当措施。但是，应该指出的是，当审
论文阅读：Scale-aware Automatic Augmentation for Object Detection (CVPR 2021)
weixin_43570470的博客
04-07 2108
paper:https://arxiv.org/abs/2103.17220 code:https://github.com/dvlab-research/SA-AutoAugGitHub - dvlab-research/SA-AutoAug 目录 1 Motivation 1.1 图像级增强 Image-level augmentations 1.2 盒级增强 Box-level augmentations 2 Methods 2.1 搜索空间 2.2 评价指标 2.3 搜索算法...
【CVPR 2021】通用的实例级蒸馏：General Instance Distillation for Object Detection
梁瑛平的博客
08-08 1611
【CVPR 2021】通用的实例级蒸馏：General Instance Distillation for Object Detection论文地址：主要问题：主要思路：主要贡献：具体实现：整体框架：通用实例选择模块：基于特征的蒸馏：基于关系的蒸馏：基于响应的蒸馏：实验结果：联系作者：我的公众号： 论文地址： https://arxiv.org/abs/2103.02340 主要问题： 以往的蒸馏检测方法对不同的检测框架具有较弱的泛化性，严重依赖于真值框，并忽略了实例之间以及背景中有价值的关系信息 主要思路
CVPR2021 最新出炉的最佳paper，陆续更新中...（附论文地址）
gzq0723的博客
03-09 4432
欢迎关注“计算机视觉研究院”计算机视觉研究院专栏作者：Edison_G今年的CVPR也陆续被大家熟知，录取的paper也公布出来，大家有兴趣的可以深入了解自己感兴趣的领域。作为计算机视觉领...
弱监督论文解读:CADN- 用于表面缺陷检测的基于弱监督学习的分类感知对象检测网络
weixin_44498986的博客
12-11 6680
Article history: 2020年1月26日收到，2020年6月17日修订，2020年7月31日接受，2020年8月1日网络上线 Keywords: Weakly supervised learning ，Automated surface inspection，Defect detection，Knowledge distillation 1.Abstract： 本文提出了一种称为类感知对象检测网络（CADN）的弱监督学习方法，仅接受图像标签注释训练，执行图像分类和缺陷定位。通过在分类pipe.
cvpr2020 人脸检测与识别_CVPR2020| 最新CVPR2020论文抢先看，附全部下载链接
weixin_39568597的博客
12-19 431
CVPR 2020目标检测Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection 论文地址：https://arxiv.org/abs/1912.02424代码：https://github.com/sfzhang15/ATSSFew-Shot Ob...
CVPR2020行人检测论文列表及摘要.docx
12-20
CVPR2020行人检测论文列表及摘要.docx

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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