国庆节看这里，有你意想不到的收货！（建议收藏）

计算机视觉研究院专栏

作者：Edison_G

“国庆长假，每个人都安耐不住了，但是，在你静心、游玩的时候，还是可以阅读今天的分享，干货满满！

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式

祝大家国庆节快乐！

在长假之前，我们整理了最近分享的集合，希望给有需要的同学带来帮助，给有兴趣的同学提供新视角！点击即可进入链接！

CVPR系列

• CVPR | Facebook提出FP-NAS：搜索速度更快、分类精度更高、性能更好

• CVPR：使用完全交叉Transformer的小样本目标检测

• CVPR2023：零样本通用分割框架（附源代码）

• CVPR'23 最佳论文候选｜提速256倍！蒸馏扩散模型生成图像质量媲美教师模型，只需4步！
  

• CVPR | One-Shot都嫌多，Zero-Shot实例样本分割
  

• CVPR | 重新标记ImageNet：从全局标签到局部标签（附github代码及论文）
  

• 华为CVPR | 加法网络应用于图像超分辨率（附github源码及论文下载）
  

• CVPR目标检测 | Weighted boxes fusion（附github源码及论文下载）

• CVPR深度框架训练：不是所有数据增强都可以提升最终精度

• CVPR：IoU优化——在Anchor-Free中提升目标检测精度（附源码）

• CVPR目标检测：少见的知识蒸馏用于目标检测（附论文下载）

• CVPR小样本检测：蒸馏&上下文助力小样本检测（代码已开源）

目标检测类

• PPCNN：细粒度特征提取和定位用于目标检测（附论文下载）

• YOLO领域模型：适用于复杂场景下的中国交通标志识别算法

• 一种基于YOLO-v8的智能城市火灾探测改进方法

• Micro-YOLO：探索目标检测压缩模型的有效方法（附论文下载）

• 智慧建筑：基于YOLOv7的建筑外墙缺陷检测

• 智慧工地：2PCNet，昼夜无监督域自适应目标检测（附原代码）

• 智慧农业：YOLO新模型助力农业发展，一种改进的基于注意力机制和特征融合的茶叶病害检测模型

• 高效目标检测：动态候选较大程度提升检测精度（附论文下载）
  

• Anchor-free目标检测 | 工业应用更友好的新网络（附大量相关论文下载）
  

• 带角度的检测框 | 校准的深度特征用于目标检测（附实现源码）

• 目标检测新框架CBNet | 多Backbone网络结构用于目标检测（附源码下载）
  

• 自监督目标检测：不用在ImageNet上训练的目标检测（附论文下载）

• 特别小的目标检测识别（附论文下载）

• SSFENet | 增强空间和语义特征用于目标检测（附论文下载）

• 目标检测 | 基于统计自适应线性回归的目标尺寸预测

• 新目标检测框架 | 基于改进的one-shot的目标检测

• 目标检测干货 | 多级特征重复使用大幅度提升检测精度（文末附论文下载）

• SSD7-FFAM | 对嵌入式友好的目标检测网络，为幼儿园儿童的安全保驾护航

四边形检测

• 旋转目标检测 | 基于高斯Wasserstein距离损失的目标检测（附源代码）

• 旋转的检测框 | 校准的深度特征用于目标检测（附实现源码）

• 带角度的检测框 | 校准的深度特征用于目标检测（附实现源码）

Yolo系列

• yolov5部署到iPhone或终端实践全过程（论文源码福利）

• 除了Yolo的其他选择，轻量级检测网络层出不穷（框架解析及部署实践）

• YOLOS：通过目标检测重新思考Transformer（附源代码）

• Yolo的巅峰框架：高效更精确的目标检测框架（附源代码）

• 又一个YOLO系列新框架！速度远远高于Yolov4（代码已开源）

• Pad-YoloV5：在便携终端上实时检测不再是难题

• 不再只有Yolo，现在轻量级检测网络层出不穷（框架解析及部署实践）
  

• 超越 YOLOv5，1.3M 超轻量，高效易用，目标检测领域这一个就够了！

• 实用目标检测器 | 性能超YoloV5，推理耗时不变（附github源码）

• 超越YOLOv5的PP-YOLOv2和1.3M超轻量PP-YOLO Tiny都来了！（附源码）

• Yolo框架大改 |  消耗极低的目标检测新框架（附论文下载）

• 基于DIou改进的YOLOv3目标检测

• YOLOv4详细分析 | 细数当前最佳检测框架小细节（附论文及源码下载）

• 全自动实时移动端AI框架 | YOLO-v4目标检测实时手机端实现

• 推理速度快YOLOV4五倍的YOLObile：通过压缩编译在移动端实时检测（附论文下载）

实践

• 代码实践 | 都2021年了，回看5分钟前写的代码就这么难吗？

• yolov5部署到iPhone或终端实践全过程（论文源码福利）

• 推理实践落地 | 最详细的Pytorch底层算子扩展总结（文末附源码）

• 分类干货实践 | 重新标注128万张ImageNet图片：多标签，全面提升模型性能

• 干货实践 | Anchor优化后在目标检测提升这么明显

• 优化实践 | 大改ShuffleNetV2网络，注意力机制，csp，卷积裁剪...（附全部开源代码）

• 代码实践（干货）| 基于Pytorch的人脸姿态检测（附源码）

• 腾讯优图NCNN详细分析及实践操作（含Yolov5实践）

• 实践 | Face-API实现人脸识别（附源代码）

• 实践 | 目前最快精度最高检测框架（EfficientDet）

• 人脸实践篇 | 基于Caffe的年龄&性别识别

• 五个案例，三大心得——带你进阶深度学习的实践应用之路

© THE END 

转载请联系本公众号获得授权

计算机视觉研究院学习群等你加入！

计算机视觉研究院主要涉及深度学习领域，主要致力于人脸检测、人脸识别，多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架，我们这次改革不同点就是，我们要着重”研究“。之后我们会针对相应领域分享实践过程，让大家真正体会摆脱理论的真实场景，培养爱动手编程爱动脑思考的习惯！

扫码关注

计算机视觉研究院

公众号ID｜ComputerVisionGzq

学习群｜扫码在主页获取加入方式