CV Code|计算机视觉开源周报20200601期

六月的第一周马上就要过去了，又到了我们盘点开源代码的时候。

谷歌发布的目标检测新算法DetectoRS刷新了沉寂将近一年的COCO数据集的最高精度，是这周最具影响力的工作，同时谷歌还开源了视频质量评价的基准测试数据集UGC-VQA，相信对做相关工作的朋友都会很有价值。

目标重识别领域，京东的FastReID和港中文MMlab提出的跨域ReID都很值得关注。

   图像去噪

[1].CNN Denoisers As Non-Local Filters: The Neural Tangent Denoiser

CNN可用于图像的恢复，近来被发现它天然的具有对图像数据的恢复能力，比如从一幅污损的图像中让CNN网络学习去重建它，CNN首先学习重建一幅没有污损的图像。这很有意思，貌似CNN天然知道自然图像是什么样的？

该文作者研究CNN去噪与非局部滤波这种传统算法的关系，又有了一些新发现。

作者 | Julián Tachella, Junqi Tang, Mike Davies

单位 | 爱丁堡大学

论文 | https://arxiv.org/abs/2006.02379

代码 | https://gitlab.com/Tachella/neural_tangent_denoiser

   医学影响处理识别

#脑外伤二维图像分割#

[2].A Comparative Study of 2D Image Segmentation Algorithms for Traumatic Brain Lesions Using CT Data from the ProTECTIII Multicenter Clinical Trial 

从ProTECTIII Multicenter 临床试验的CT数据中比较研究脑外伤二维图像分割算法

图像分割可以方便实现对医学影像中感兴趣的区域的可视化和量化，因为医学图像的复杂性，其仍然是一项艰巨的任务。

脑外伤后人脑出现的病变包括：硬膜内出血（IPH）、硬膜下血肿（SDH）、硬膜外血肿（EDH）和创伤性挫伤等，本文旨在使用图像分割的方法进行病情的评估。

实验表明在这个问题上 UNet++ 2D + Focal Tversky 损失函数比 UNet 2D + Binary Cross-Entropy 取得了更高的精度。

作者 | Shruti Jadon, Owen P. Leary, Ian Pan, Tyler J. Harder, David W. Wright, Lisa H. Merck, Derek L. Merck

单位 | 布朗大学沃伦阿尔伯特医学院；埃默里大学医学院；佛罗里达大学医学院；布朗大学

论文 | https://arxiv.org/abs/2006.01263

代码 | https://github.com/shruti-jadon/Traumatic-Brain-Lesions-Segmentation

#弱监督病变定位#

[3].Weakly Supervised Lesion Localization With Probabilistic-CAM Pooling

作者 | Wenwu Ye, Jin Yao, Hui Xue, Yi Li

单位 | JF Healthcare（九峰医疗）；Greybird Ventures LLC

论文 | https://arxiv.org/a