2015cvpr

最新推荐文章于 2019-05-16 22:09:00 发布

guojingjuan

最新推荐文章于 2019-05-16 22:09:00 发布

阅读量960

点赞数

[摘要：简略看了一局部CVPR2015的文章。整顿了一下。个中我决意把出色的文章减细。首要是认为有些文章只读了一遍，出有发明良多很有事理的point（只管我供认他们的事情皆花了很大的工夫]

简单看了一部分CVPR2015的文章。整理了一下。其中我决定把精彩的文章加粗。主要是觉得有些文章只读了一遍，没有发现很多很有道理的point（尽管我承认他们的工作都花了很大的功夫，但是没有激起太大的兴趣去follow。也许有机会读第二遍的时候会再highlight）：

CNN结构的：

--- Fisher Vectors Meet Neural Networks: A Hybrid Classification Architecture，Florent Perronnin and Diane Larlus

相比于标准的CNN，变化是将卷积层全部变成标准的FV，全连接层的部分做分类层保持不变。比起标准的FV，无疑是把分类器变成了MLP。ACC相比标准的CNN下降，相比标准的FV提高。这种从标准CNN入手，把前面的卷积和后面的全连通隔裂开对待/优化的文章还有arxiv上He Kaiming的 Object Detection Networks on Convolutional Feature Maps。

物体检测与分割：

---- Learning to Propose Object， Philipp Krähenbühl, Vladlen Koltun

---- Improving Object Proposals with Multi-Thresholding Straddling Expansion， Xiaozhi Chen, Huimin Ma, Xiang Wang, Zhichen Zhao

---- Hypercolumns for Object Segmentation and Fine-Grained Localization， Bharath Hariharan, Pablo Arbeláez, Ross Girshick, Jitendra Malik

这个比较有意思了，明白说CNN每一层都是有用处的。Holistically-Nested Edge Detection的模型跟这个模型有相似的味道。

---- Taking a Deeper Look at Pedestrians

这文章在方法上有啥创新点？好像就是把Cifar-net和Alexnet用在对行人的建模上。

---- A Convolutional Neural Network Cascade for Face Detection，Haoxiang Li，Gang Hua

CNN + Cascade，Calibration层有点意思，模型里还引入了multi-scale。

---- Deeply learned face representations are sparse, selective, and robust, Yi Sun, Xiaogang Wang, Xiaoou Tang

DeepID系列之DeepID2+。在DeepID2之上的改进是增加了网络的规模(feature map数目)，另外每一层都接入一个全连通层加supervision。最精彩的地方应该是后面对神经元性能的分析，发现了三个特点：1.中度稀疏最大化了区分性，并适合二值化；2.身份和attribute选择性；3.对遮挡的鲁棒性。这三个特点在模型训练时都没有显示或隐含地强加了约束，都是CNN自己学的。已经迫不及待要看DeepID3了。

---- Hypercolumns for Object Segmentation and Fine-Grained Localization， Bharath Hariharan, Pablo Arbeláez, Ross Girshick, Jitendra Malik

这个比较有意思了，明白说CNN每一层都是有用处的。Holistically-Nested Edge Detection的模型跟这个模型有相似的味道。

---- Fully Convolutional Networks for Semantic Segmentation (Best Paper Honorable Mention), Jonathan Long, Evan Shelhamer, Trevor Darrell

文章把全连接层当做卷积层，也用来输出feature map。这样相比于Hypercolumns/HED 这样的模型，可迁移的模型层数（指VGG16/Alexnet等）就更多了。但是从文章来看，因为纯卷积嘛，所以feature map的每个点之间没有位置信息的区分。相较于Hypercolumns的claim，鼻子的点出现在图像的上半部分可以划分为pedestrian类的像素，但是如果出现在下方就应该划分为背景。所以位置信息应该是挺重要需要考虑的。这也许是速度与性能的trade-off?

（PS. arxiv上有三篇借助CNN做一般物体检测的：

---- DeepBox: Learning Objectness with Convolutional Networks，Weicheng Kuo，Bharath Hariharan，Jitendra Malik

没太大意思，就是把CNN用在所有物体类的训练上。另外证明学到的模型是generic的时候用了IOU-0.5的准确率而不是0.8或者AR是没有很高信服度的。

---- Boosting Convolutional Features for Robust Object Proposals, Nikolaos Karianakis

把VGG第一层输出当做feature channel然后接boosting做分类。并没有证明算法的一般性。

---- Learning to Segment Object Candidates， Pedro O. Pinheiro， Ronan Collobert， Piotr Dollar

~~文章好像没讲明白score那个分支训练集是如何做出标注的~~（@8.7又读了一遍，如何标注就靠正样本选取时的constraints，自己第一遍的时候没弄明白）。segment相比bounding box在速度上也有点吃亏，所以5秒一个图算慢的（其实5秒就能过一个图还是很快的啊，用的是VGG16的网络）。但比起MCG这速度还是快多了。

另外Microsoft COCO今年被用起来了。Microsoft COCO也做成竞赛了，好像Detection Task今年在ICCV15要和ILSVR合办workshop。)

CNN做边缘轮廓检测：

---- DeepContour： A Deep Convolutional Feature Learned by Positive-sharing Loss for Contour Detection

二分类变多分类，有点joint learning的意思。

---- DeepEdge A Multi-Scale Bifurcated Deep Network for Top-Down Contour Detection

相当于一种multi-clues做二分类问题。文章里的multi-scale和上面CNN+Cascade那篇文章模型里用到的multi-scale不是同一个东西，用DSP-SIFT一文的总结就是，本文说的multi-scale只是在size-space中选了多个size，并不是CNN+Cascade一文中在scale-space中选择了多个scale。multi-scale是解决真正的不同尺度的多样性，而multi-size更像是引入不同的context以及克服occlusion。个人理解这两点的目标区别于此。

PS. 上面两篇相比传统方法提高并不明显。看来在比较底层的问题上人工特征与end-to-end学习模型相比没有在high-level计算机视觉任务上差距的大。

arxiv上Tu Zhuowen有一篇性能更高的，优势还是很明显的（因为逐像素检测相比全图检测，失去了全局信息。这也隐含了R-CNN的缺点吧）：

---- Holistically-Nested Edge Detection

分析了各种multi-scale model，Wang Naiyan在VALSE的tutorial上也用了这个论文的插图。这个模型很复杂了，除了讨论multi-scale以外，还叠加了cnn multi-layer的区分性，有点Hypercolumns的味道

利用CNN的局部性解决计算机视觉问题：

---- A Discriminative CNN Video Representation for Event Detection，Zhongwen Xu, Yi Yang, Alex G. Hauptmann

CNN conv5输出可以作为concept detector。valse上的ppt：这里。

---- Exploiting Local Features from Deep Networks for Image Retrieval

Workshop paper，与上文的思路如出一辙，不过证明了在检索过程中concept概念越抽象不一定越好--因为搜索毕竟是instance-level的，不是class-level的。

图像检索的：

---- Query-Adaptive Late Fusion for Image Search and Person Re-Identification

郑博每年都有CVPR，恭喜。在valse上的ppt：这里

---- Early Burst Detection for Memory-Efficient Image Retrieval， Miaojing Shi, Yannis Avrithis, Hervé Jégou

Hervé Jégou也加入FAIR了

---- Pairwise Geometric Matching for Large-scale Object Retrieval

利用Geometry information做 verification的。速度还挺快。

其他不好分类：

---- MatchNet Unifying Feature and Metric Learning for Patch-Based Matching， Xufeng Han， Thomas Leung， Yangqing Jia， Rahul Sukthankar，Alexander C. Berg

wide-baseline matching，相比与arxiv14年的Descriptor Matching with Convolutional Neural Networks a Comparison to SIFT，这篇文章是监督的，上篇文章是无监督的。patch matching其实和face verification、再辨识的关联挺大的。文中有说到测试的时候采用两步测试的方法：第一步是特征提取（过一个Tower就行），第二步是matching（把两个Tower的特征比较起来），这样先把第一步做完，特征保存起来，做第二步就容易了。联想道Valse上王晓刚老师将NIPS14那篇Joint identification and verification一文，王老师说verification那个网络的时候提到的缺点，不就可以用这个两步测试的方法来解决吗？

---- Domain-Size Pooling in Local Descriptors: DSP-SIFT ， Jingming Dong，Stefano Soatto

wide-baseline matching，相比前面的MatchNet，这篇文章是无监督的。这篇文章Figure8解释了scale-space和size-space的概念，解释的非常好。但是DoG为什么归为size-space？我仍然觉得DoG是属于scale-space的。

---- Deep Neural Networks are Easily Fooled （深度学习对抗样本）

---- Age and Gender Classification using Convolutional Neural Networks

CNN做性别和年龄判决的。年龄判决不是用回归，而是把年龄分组，然后用分类的方法做。有点简单。而且Age和Gender分了两个网络分别做，竟然没有联合起来做。

还在看，慢慢整理吧。

另外这里有其他大神做的CVPR2015年的整理和总结：