论文阅读
深度学习和目标检测相关论文阅读笔记,只记录自己阅读过的论文,有参考别人的有自己的想法,欢迎大家留言一起探讨论文,如果可以,也可以开gitchat一起剖析!
女王の专属领地
尼采曰:每一个不曾起舞的日子,都是对生命的辜负!
展开
-
Deep Learning for Generic Object Detection: A Survey
最近,中国国防科技大学、芬兰奥卢大学、澳大利亚悉尼大学、中国香港中文大学和加拿大滑铁卢大学等人推出一篇最新目标检测综述,详细阐述了当前目标检测最新成就和关键技术。文章最后总结了未来8个比较有前景的方向,对学习目标检测的人员提供了很大的帮助,在此翻译这篇文章,方便阅读与理解。 此外,来自首尔国立大学的 Lee hoseong 在近期开源了「deep learning object dete...原创 2019-06-19 17:08:09 · 7940 阅读 · 0 评论 -
Object Detection in 20 Years: A Survey
计算机视觉中的目标检测,因其在真实世界的大量应用需求,比如自动驾驶、视频监控、机器人视觉等,而被研究学者广泛关注。arXiv新出一篇目标检测文献《Object Detection in 20 Years: A Survey》,其对该领域20年来出现的技术进行了综述,这是一篇投向PAMI的论文,作者们review了400+篇论文,总结了目标检测发展的里程碑算法和state-of-the-art,并且...原创 2019-06-19 17:51:03 · 8990 阅读 · 0 评论 -
Single Image Dehazing via Conditional Generative Adversarial Network
研究方向: Dehazing,cGANmotivation 对于直接通过算法复原有雾的图像现有的算法可分为基于自适应色彩对比度增强的方法和基于正则化的方法,前者存在视觉伪影,后者由于transmission map不准确,活影响图像去噪的清晰性。为了解决这些问题,作者基于cGAN,提出了一个端到端的可训练的神经网络。但与基本的cGAN不同,作者提出的是encoder and deco...原创 2019-04-18 16:59:57 · 2198 阅读 · 0 评论 -
CLAHE:Contrast Limited Adaptive histgram equalization
论文:Contrast limited adaptive histogram equalizationZuiderveld, Karel. "Contrast limited adaptive histogram equalization." Graphics gems IV. Academic Press Professional, Inc., 1994.目录一、背景1、对...原创 2019-05-07 18:15:05 · 8479 阅读 · 0 评论 -
Deep Photo Style Transfer
深度卷积神经网络图像风格变换2017.4Deep Photo Style Transfer参考博客:https://blog.csdn.net/VictoriaW/article/details/721236811.论文传送门:https://arxiv.org/abs/1703.075112.原论文的Torch实现:https://github.com/luanfujun/dee...原创 2019-04-03 19:33:55 · 2270 阅读 · 0 评论 -
Ablation Studies
请看Quora上对于ablation study的解释高赞答案:An ablation study typically refers to removing some “feature” of the model or algorithm, and seeing how that affects performance.Examples:An LSTM has 4 gates:...原创 2019-04-03 19:42:01 · 2252 阅读 · 2 评论 -
Investigating Haze-Relevant Features in a Learning Framework for Image Dehazing
摘要存在的问题:Haze is one of the major factors that degrade outdoor images. Removing haze from a single image is known to be severely ill-posed, and assumptions made in previous methods do not hold in ma...原创 2019-04-23 11:04:00 · 2526 阅读 · 1 评论 -
Efficient Image Dehazing with Boundary Constraint and Contextual Regularization
项目主页:http://www.escience.cn/people/menggaofeng/Publication.html摘要提出的原因:Images captured in foggy weather conditions often suffer from bad visibility.提出的方法:In this paper, we propose an efficient ...原创 2019-04-16 23:48:27 · 3266 阅读 · 2 评论 -
Semantic Foggy Scene Understanding with Synthetic Data
论文地址 数据模型代码目录摘要Section 1导言Section 2 相关工作1. 图像去雾去霾2. 深度去噪和完成3. 雾场景理解4. 合成虚拟图像数据5. 迁移学习Section 3真实室外场景的雾模拟1. 雾的光学模型选择2. 室外场景的深度去噪和完成3. 高质量雾模拟的输入选择Section 4雾数据集1. Foggy C...原创 2019-04-14 19:22:56 · 5576 阅读 · 8 评论 -
Single Image Dehazing via Multi-Scale Convolutional Neural Networks
项目主页:https://sites.google.com/site/renwenqi888/research/dehazing/mscnndehazing论文下载:https://drive.google.com/open?id=0B7PPbXPJRQp3TUJ0VjFaU1pIa28代码下载:https://drive.google.com/open?id=0B7PPbXPJRQp3T...原创 2019-04-22 21:59:33 · 6211 阅读 · 6 评论 -
Perceptual Losses for Real-Time Style Transfer and Super-Resolution
论文下载:Perceptual Losses for Real-Time Style Transfer and Super-ResolutionGitHub代码链接:https://github.com/LDOUBLEV/style_transfer-perceptual_loss论文翻译:https://www.jianshu.com/p/b728752a70e9图像风格迁移指的...原创 2019-04-06 09:35:13 · 3086 阅读 · 0 评论 -
AOD-NET:An All-in-One Network for Dehazing and Beyond
摘要:本文提出了一种用卷积神经网络(CNN)构建的图像去雾模型,称为一体化除雾网络(AOD-Net)。它是基于重新配制的大气散射模型设计的。 AOD-Net不是像大多数先前模型那样分别估算传输矩阵和大气光,而是通过轻量级CNN直接生成清晰图像。这种新颖的端到端设计使得将AOD-Net嵌入到其他深度模型(例如,faster R-CNN)中变得容易,以改善对模糊图像的高级任务性能。在合成和自然模糊图...原创 2019-04-05 18:38:28 · 23845 阅读 · 20 评论 -
Learning Linear Transformations for Fast Arbitrary Style Transfer
Learning Linear Transformations for Fast Arbitrary Style Transfer论文解读下载推导过程:原创 2019-04-03 19:08:09 · 2695 阅读 · 0 评论 -
Smoothed Dilated Convolutions for Improved Dense Prediction
https://blog.csdn.net/mooneve/article/details/83380623https://blog.csdn.net/weixin_42788402/article/details/85225810空洞卷积:如何理解空洞卷积? 空洞卷积的理解 『计算机视觉』空洞卷积...原创 2019-04-01 18:45:48 · 2099 阅读 · 0 评论 -
Gated Context Aggregation Network for Image Dehazing and Deraining
论文:https://arxiv.org/abs/1811.08747代码:https://github.com/cddlyf/GCANet相关知识点:smooth dilated convolutionhttps://blog.csdn.net/Julialove102123/article/details/88852447 https://blog.csdn.net/moon...原创 2019-03-15 18:00:56 · 5637 阅读 · 1 评论 -
RESIDE:Benchmarking Single Image Dehazing and Beyond
论文地址:https://arxiv.org/abs/1712.04143网站:https://sites.google.com/view/reside-dehaze-datasets摘要我们对现有的单图像去雾算法进行了全面的研究和评估,使用了一个新的大尺度基准,包括合成和真实世界的模糊图像,称为REalistic Single Image Dehazing(RESIDE)。RES...原创 2019-01-13 21:32:45 · 17207 阅读 · 17 评论 -
DenseNet:Densely Connected Convolutional Networks [CVPR 2017] [比ResNet更优的CNN模型]
论文:https://arxiv.org/abs/1608.06993源码:https://github.com/liuzhuang13/DenseNetDenseNet-CVPR-Slides:https://download.csdn.net/download/julialove102123/10461620前言在计算机视觉领域,卷积神经网络(CNN)已经成为最主流的方法...原创 2018-06-06 10:17:24 · 1532 阅读 · 0 评论 -
DehazeNet: An End-to-End System for Single Image Haze Removal
项目主页:http://caibolun.github.io/DehazeNet/GitHub代码 :https://github.com/caibolun/DehazeNetBReLU+Caffe :https://github.com/zlinker/mycaffe其他复现:(1)https://github.com/zlinker/DehazeNet (2)https://...原创 2018-05-04 19:15:37 · 20384 阅读 · 2 评论 -
何恺明经典去雾算法
一:由简至美的最佳论文(作者:何恺明视觉计算组) 【视觉机器人:个人感觉学习他的经典算法固然很重要,但是他的解决问题的思路也是非常值得我们学习的】 那是2009年4月24日的早上,我收到了一封不同寻常的email。发信人是CVPR 2009的主席们,他们说我的文章获得了CVPR 2009的最佳论文奖(Best Paper Award)。我反复阅读这封邮...原创 2018-02-02 16:16:03 · 2179 阅读 · 0 评论 -
计算机界研究生可参加的竞赛
知乎参考链接:https://www.zhihu.com/question/48762643?sort=createdhttp://www.360doc.com/content/16/0228/17/3693667_538060359.shtml专业领域:1、全国研究生移动终端应用设计创新大赛http://www.mtdasai.com.cn2、Kaggle竞赛:https:/...原创 2017-10-29 10:36:19 · 14226 阅读 · 0 评论 -
2017年【计算机视觉+机器学习+人工智能】领域重要会议 汇总
国内/外每年都会举办很多计算机视觉(Computer Vision,CV)、 机器学习(Machine Learning,ML)、人工智能(Artificial Intelligence ,AI)领域相关的很多学术会议和研讨会等。在此把我所知道的2017年国内/外即将举办的CV和ML领域几个会议和研讨会列出来,希望对读者有用。如有其他我遗漏的,还请各位读者留言提醒,我会及时更新的。MMM2017 ...原创 2017-09-13 13:42:55 · 9472 阅读 · 0 评论 -
CVPR 2017 全部及部分论文解读集锦
转载链接计算机视觉顶会之一的CVPR2017将于7月21日至7月26日在夏威夷举行。目前文章都已出来(链接:http://openaccess.thecvf.com/CVPR2017.py 或者点击底下阅读原文直接进入)。下面为我们整理的一些关于CVPR2017的论文解读的总结。1.【简评】[CVPR2017]Loss Max-Pooling for Semantic Image Segmenta...转载 2017-08-08 16:11:03 · 1446 阅读 · 0 评论 -
Dropout
论文地址:https://arxiv.org/abs/1207.0580Dropout是hintion在他的文章Improving neural networks by preventing co-adaptation of feature detectors(通过阻止特征检测器的共同作用来提高神经网络的性能)提出的Dropout是指在模型训练时随机让网络某些隐含层节点的权重不工作,不工作...原创 2017-06-10 11:08:34 · 870 阅读 · 0 评论 -
斯坦福大学cs229Andrew ng的机器学习课程
Andrew NG机器学习课程网易公开课 斯坦福大学公开课 :机器学习课程 机器学习课程教学官网:http://cs229.stanford.edu/syllabus.html Coursera最新版:https://www.coursera.org/learn/machine-learning/...原创 2017-05-17 16:53:20 · 3979 阅读 · 0 评论 -
AI_综述:3D目标检测于RGB-D(Object detection in RGB-D images)
转载自:https://zhuanlan.zhihu.com/p/34887948基于深度学习的图像目标检测(上)基于深度学习的图像目标检测(下)大牛讲堂 | 基于DenesBox的目标检测在自动驾驶中的应用前言CNN(convolutional neural network)在目标检测中大放异彩,R-CNN系列,YOLO,SSD各类优秀的方法层出不穷。在2D图像的目标检测上,...转载 2018-05-04 16:01:36 · 13391 阅读 · 1 评论 -
何凯明:Single Image Haze Removal Using Dark Channel Prior[CVPR 2009]
在图像去雾领域,几乎没有人不知道《Single Image Haze Removal Using Dark Channel Prior》这篇文章,该文是2009年CVPR最佳论文。作者何凯明博士,2007年清华大学毕业,2011年香港中文大学博士毕业。 soft matting过程比较复杂,并且执行速度非常慢,论文的推理步骤特别清晰,讲解很到位。其另外一篇文章《Guided I...原创 2018-06-01 13:13:17 · 3018 阅读 · 2 评论 -
Light-Head R-CNN: In Defense of Two-Stage Object Detector
论文链接:https://arxiv.org/abs/1711.07264代码:https://github.com/zengarden/light_head_rcnnPPT地址:链接: https://pan.baidu.com/s/1YXQknwSwGw92z6IzXYM6Ig 密码: rysv视频分享:http://v.qq.com/iframe/player.html?vi...原创 2018-06-04 15:02:14 · 731 阅读 · 0 评论 -
R-FCN-3000 at 30fps: Decoupling Detection and Classification
论文地址:R-FCN-3000 at 30fps: Decoupling Detection and Classification概述:【导读】美国马里兰大学、复旦大学和Gobasco人工智能实验室联合提出R-FCN-3000实时3000类目标检测框架,对R-FCN框架中的物体检测和分类进行解耦。本文对R-FCN体系结构进行修改,其中位置敏感滤波器在不同的目标类之间共享来进行定位。对于...原创 2018-05-31 09:09:11 · 1044 阅读 · 3 评论 -
2016 2D目标检测论文跟踪
CVPR 2016 ResNet[1](Kaiming He等)、 YOLO[5](Joseph Redmon等)、 LocNet[7](Spyros Gidaris等)、 HyperNet[3](Tao Kong等)、 ION[2](Sean Bell等)、 G-CNN[6](Mahyar Najibi等)。 ...原创 2018-05-27 21:00:27 · 344 阅读 · 0 评论 -
DetNet: A Backbone network for Object Detection
论文链接:https://arxiv.org/pdf/1804.06215.pdf摘要:无论是当前 YOLO、SSD、RetinaNet 这样的一阶段方法,还是 Faster R-CNN、R-FCN 和 FPN 这样的二阶段检测器,这些基于 CNN 的目标检测器通常都尝试直接从 ImageNet 预训练模型进行微调。而很少有研究探讨用骨干特征提取器专门做目标检测。更重要的是,图像分类和目标检...原创 2018-05-30 09:57:59 · 2591 阅读 · 0 评论 -
Relation Networks for Object Detection [CVPR 2018]
论文:https://arxiv.org/abs/1711.11575引入了object的关联信息,在神经网络中对object的relations进行建模。主要贡献点有两条:1. 提出了一种relation module,可以在以往常见的物体特征中融合进物体之间的关联性信息,同时不改变特征的维数,能很好地嵌进目前各种检测框架,提高性能2. 在1的基础上,提出了一种特别的代替NMS的去...原创 2018-05-29 12:20:47 · 3379 阅读 · 1 评论 -
Mask R-CNN
论文下载:https://arxiv.org/pdf/1703.06870.pdf 论文翻译:http://weixin.niurenqushi.com/article/2017-03-29/4805787.html项目地址:https://github.com/TuSimple/mx-maskrcnniccv2017的PPT: https://download.csdn.net/do...原创 2017-05-04 11:38:58 · 2561 阅读 · 0 评论 -
Single-Shot Refinement Neural Network for Object Detection[CVPR2018]
论文: Single-Shot Refinement Neural Network for Object Detection作者: Shifeng Zhang, LongyinWen, Xiao Bian, Zhen Lei, Stan Z. Li地址:arXiv:1711.06897源码:https://github.com/sfzhang15/RefineDet对于物体检测,...原创 2018-05-28 14:55:19 · 879 阅读 · 0 评论 -
Soft-NMS:Improving Object Detection With One Line of Code
论文地址:https://arxiv.org/pdf/1704.04503.pdfGithub项目:https://github.com/bharatsingh430/soft-nms论文摘要非最大抑制(Non-maximum suppression, NMS)是物体检测流程中重要的组成部分。它首先基于物体检测分数产生检测框,分数最高的检测框M被选中,其他与被选中检测框有明显重叠...原创 2018-05-28 18:43:49 · 759 阅读 · 0 评论 -
YOLO9000检测
yolo仅测试图片所需要的配置不是很高,没有装cuda,没有装opencv也能跑起来,在cpu模式下,测试一张图片需要6~7秒的时间。下面是跑yolo代码的过程:首先从官网克隆代码,以及下载预训练的模型(一个正常版本的和一个快速版本的),前提是你不想训练自己的模型的话。克隆:git clone https://github.com/pjreddie/darknet下载两个预训练模型...转载 2018-05-04 21:59:54 · 597 阅读 · 0 评论 -
2018 2D目标检测论文跟踪
https://blog.csdn.net/zhangjunhit/article/details/78834878https://blog.csdn.net/sunshine_010/article/details/80008522原创 2018-05-25 13:21:48 · 1259 阅读 · 0 评论 -
An Analysis of Scale Invariance in Object Detection – SNIP [CVPR2018]
简介这篇文章分析了小尺度与预训练模型尺度之间的关系, 并且提出了一个和Cascade R-CNN有异曲同工之妙的中心思想:要让输入分布接近模型预训练的分布(本文主要探讨尺度的分布不一致带来的问题).之后利用分析的结论, 提出了一个多尺度训练(MST)的升级版:Scale Normalization for Image Pyramids (SNIP). 先简单来介绍一下SN...原创 2018-05-25 14:40:35 · 2355 阅读 · 2 评论 -
2017 2D目标检测论文跟踪
0. 总得来说~这里几篇文章都是2D图像目标检测相关,这些文章的重点集中在小目标检测上,它们设计了很多结构来提高网络多尺度目标检测的性能。但是对于小目标检测的问题,我看到知乎上的一个回答,结合实际应用,感觉说得很诚恳,很在理。感觉2D目标检测,最重要的是对速度/准确率的选择和权衡,小目标多尺度检测的问题通过框架与实践来解决为上。所以模型压缩相关论文,框架比较相关论文,网络加速相关论文还是非常值得学...原创 2018-05-25 15:03:58 · 462 阅读 · 0 评论 -
Cascade R-CNN: Delving into High Quality Object Detection[CVPR2018]
论文链接:https://arxiv.org/abs/1712.00726代码链接:https://github.com/zhaoweicai/cascade-rcnn主要:IOU阈值的选取;解决的问题:1. 训练时过拟合;2. 推理时quality mismatch问题; 摘要 在目标检测中,IOU临界值用来定义正样本和负样本。一个目标检测器,由...原创 2018-05-26 15:17:07 · 813 阅读 · 0 评论 -
MegDet: A Large Mini-Batch Object Detector「CVPR 2018」
基于Megdet 模型的目标检测框架论文 | A Large Mini-Batch Object Detector 链接 | https://arxiv.org/abs/1711.07240 作者 | Chao Peng Tete Xiao Zeming Li相关阅读:https://blog.csdn.net/np4rHI455vg29y2/article/details/7...原创 2018-05-27 19:29:19 · 2188 阅读 · 0 评论