CVPR 2017论文集锦

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。下面为目前关于CVPR2017的论文解读的文章总结。欢迎大家收藏并推荐~(小助手微信:Extreme-Vision)

所有文章都已经出来,点击这里查看CVPR2017论文

http://openaccess.thecvf.com/CVPR2017.py

分类论文title(暂时未全部有pdf链接)

CVPR 2017 papers on the web

1.【简评】[CVPR2017]Loss Max-Pooling for Semantic Image Segmentation

论文主要解决的是semantic segmentation中imbalanced training data distributions问题。在semantic segmentation数据集包括现实世界中存在明显的长尾分布的问题,即大多数的数据组成了小部分的类别,因此会导致学习器更偏向于这些类别。

2.CVPR 2017论文笔记— Dilated Residual Networks

这篇论文是作者将何恺明(Kaiming He)博士残差网络Deep Residual Networks与其之前研究的Dilated Convolution相结合的结果。

3.CVPR2017论文:使用VTransE网络进行视觉关系检测

知识表示学习的思想(TransE)已经被成功应用于视觉关系提取(Visual Relation Extraction),提交 CVPR 2017 的新论文《Visual Translation Embedding Network for Visual Relation Detection》提出的 VTransE 方法是在这方面所迈出的重要一步。清华大学计算机系助理研究员刘知远对此评论说:「视觉关系和语义关系既有重叠又有互补,未来会有很多有趣的问题值得探索。」

4.CVPR2017:深度纹理编码网络 (Deep TEN: Texture Encoding Network)

文中论文提出了一个新的深度学习模型,这个模型推广了传统的字典学习 (dictionary learning) 和残差编码 (Residual Encoders)。

5.CVPR 2017论文:基于网格的运动统计,用于快速、超鲁棒的特征匹配(附大神解读)

论文GMS的方法实际上是消除错误匹配的一种方案,比如可以替换ransac。算法执行的大致流程是:先执行任意一种特征点的检测和特征点的描述子计算,论文中采用的是ORB特征。然后执行暴力匹配BF,最后执行GMS以消除错误匹配。

6.CVPR 2017 目标跟踪相关论文

文中包括main conference中单目标跟踪相关的论文,总共11篇,相关滤波7篇,其中1篇是oral,3篇用到卷积特征,相关滤波占了64%,(非卷积特征的)CNN相关4篇,可以看出目标跟踪现在最火的是相关滤波和深度学习。

7.论文笔记——CVPR 2017 Annotating Object Instances with a Polygon-RNN

文章作者基于深度学习提出一种半自动目标事例标注(semi-automatic annotation of object instances)的算法。

8.CVPR 2017:Large Margin Object Tracking with Circulant Feature Maps

文章作者基于深度学习提出一种半自动目标事例标注(semi-automatic annotation of object instances)的算法。

9.目标跟踪算法:ECO:(Efficient Convolution Operators for Tracking)

Martin Danelljan的又一新作。继C-COT之后又一刷新纪录的作品。不管是从结果还是速度上都有提升,尤其是速度提升明显。用传统特征HOG+CN的版本速度有60+FPS,用CNN+HOG+CN的速度有8FPS。

10.CVPR 2017 值得关注的亮点(知乎问答)

各位大神在目标检测,目标跟踪,GAN等领域都提出了自己的看法,可以看看.

11.李飞飞协同斯坦福、CMU带来全新成果:从网络嘈杂的视频中进行学习

这项研究是李飞飞团队在今年CVPR上的一项最新工作,该方法提出了一种模型用于自动标注网络中巨量的嘈杂视频。

12.对抗学习用于目标检测--A-Fast-RCNN: Hard Positive Generation via Adversary for Object Detection

本文将对抗学习引入到目标检测问题中,通过对抗网络生成一下遮挡和变形的训练样本来训练检测网络,从而使得网络能够对遮挡和变形问题更加的 robust.

13.行人姿态估计--Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

多人姿态实时估计,这里主要亮点还是 多人实时+效果。

14CVPR2017论文解读博客

博主解读了多篇CVPR2017论文,可以一读

15微软亚洲研究院创研论坛 CVPR 2017 论文分享会

微软亚研院创研举办的关于CVPR2017的论文分享会,共有22篇论文10到15分钟的解读,涉及跟踪,检测,人脸再识别等多个计算机视觉主题。可以回看视频。

16VALSE CVPR 2017专场

VALSE举办的三场关于cvpr217论文解读的线上分享,有大牛出现。

视频链接:http://pan.baidu.com/s/1o8MAWL8密码: x6i6(视频转自valse官方)

17CVPR 2017获奖论文

本届 CVPR 共有两篇最佳论文、两篇最佳论文提名、一篇最佳学生论文。苹果去年 12 月发表的对抗网络 SimGAN 研究,是两篇最佳论文之一。

18CVPR 2017最佳论文解读:密集连接卷积网络

CVPR 2017获奖论文公布,其中一篇最佳论文为康奈尔大学、清华大学、Facebook FAIR 实验室合著的《Densely Connected Convolutional Networks》。在这篇文章中,Momenta 高级研发工程师胡杰对这篇文章进行了解读。此文为该系列专栏的第三篇。

19CVPR 2017论文解读:用于单目图像车辆3D检测的多任务网络

车辆检测是一个经典的基于图像的目标检测问题,也是智能驾驶感知过程的核心问题之一。这篇文章主要处理单目图像中的车辆检测问题。

20CVPR 2017论文解读:特征金字塔网络

这里介绍的文章是来自 Facebook 的特征金字塔网络 Feature Pyramid Networks(FPN)。FPN 主要解决的是物体检测中的多尺度问题,通过简单的网络连接改变,在基本不增加原有模型计算量情况下,大幅度提升了小物体检测的性能。

21阿里iDST CVPR 2017论文解读:视频衣物精确检索

这里介绍的文章是来自 Facebook 的特征金字塔网络 Feature Pyramid Networks(FPN)。FPN 主要解决的是物体检测中的多尺度问题,通过简单的网络连接改变,在基本不增加原有模型计算量情况下,大幅度提升了小物体检测的性能。

22Active Learning: 一个降低深度学习时间,空间,经济成本的解决方案

本文解读的是一篇CVPR论文,它主要解决了一个深度学习中的重要问题:如何使用尽可能少的标签数据来训练一个效果promising的分类器。

作者:西方失败9527 链接:https://www.jianshu.com/p/0dd2c80340a1 來源:简书 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
展开阅读全文

没有更多推荐了,返回首页