![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文简析
文章平均质量分 90
Adenialzz
Keep Learning.
展开
-
MobileNet 系列:从V1到V3
MobileNet 系列:从V1到V3转载 2022-09-26 13:30:34 · 495 阅读 · 0 评论 -
深度学习时代的视频理解综述
本文为[b站@bryanyzhu](https://space.bilibili.com/511378644)老师四期视频理解相关论文解读的汇总图文笔记。原创 2022-08-08 23:09:06 · 6960 阅读 · 0 评论 -
[2020-ECCV]PIPAL-a Large-Scale Image Quality Assessment Dataset for Perceptual Image Restoration论文简析
[2020-ECCV] PIPAL: a Large-Scale Image Quality Assessment Dataset for Perceptual Image Restoration 论文简析论文:https://arxiv.org/abs/2007.12142代码及数据集:https://github.com/HaomingCai/PIPAL-dataset概述本文认为随着图像重建(IR)算法的快速发展(特别是一些基于GAN的模型的出现),使得现有的图像质量评价(IQA)的方法已原创 2021-10-03 23:10:13 · 1542 阅读 · 0 评论 -
[2021-ICCV] MUSIQ Multi-scale Image Quality Transformer 论文简析
[2021-ICCV] MUSIQ: Multi-scale Image Quality Transformer论文:https://arxiv.org/abs/2108.05997代码:https://github.com/google-research/google-research/tree/master/musiq概述当前SOTA的IQA(图像质量评估)模型都是基于CNN的,基于CNN的模型通常受到在一个批次内,图像尺寸必须固定的限制,所以其输入图像通常会进行缩放或者裁剪,当然这会导致图像质原创 2021-08-17 21:36:33 · 3305 阅读 · 3 评论 -
Positional Encodings in ViTs 近期各视觉Transformer中的位置编码方法总结及代码解析 1
Positonal Encodings in ViTs 近期各视觉Transformer中的位置编码方法总结及代码解析最近CV领域的Vision Transformer将在NLP领域的Transormer结果借鉴过来,屠杀了各大CV榜单。对其做各种改进的顶会论文也是层出不穷,本文将聚焦于各种最新的视觉transformer的位置编码部分的设计思想及代码实现做一些总结。ViT论文:https://arxiv.org/abs/2010.11929代码:https://github.com/lucidra原创 2021-08-01 16:26:43 · 14271 阅读 · 3 评论 -
[2021-CVPR] Jigsaw Clustering for Unsupervised Visual Representation Learning 论文简析及关键代码简析
[2021-CVPR] Jigsaw Clustering for Unsupervised Visual Representation Learning 论文简析及关键代码简析论文:https://arxiv.org/abs/2104.00323代码:https://github.com/dvlab-research/JigsawClustering总结本文提出了一种单批次(single-batch)的自监督任务pretext task Jigsaw Cluster,相比于双批次(dual-bat原创 2021-07-18 21:08:20 · 1000 阅读 · 0 评论 -
[2020-CVPR] Dynamic Region-Aware Convolution 论文简析
[2020-CVPR] Dynamic Region-Aware Convolution 论文简析论文地址:https://arxiv.org/abs/2003.12243参考代码地址(非官方):https://github.com/shallowtoil/DRConv-PyTorch代码我自己试了一下,应该是可以的,但是没做到文中的性能,欢迎讨论。本文设计了一种新型动态区域感知卷积(DRConv),根据图像的信息将图像划分为多个区域,并为每个区域单独生成定制的卷积核。有强大的语义表示能力并且保持了原创 2021-06-21 22:30:44 · 2388 阅读 · 12 评论 -
[2020-AAAI] Revisiting Image Aesthetic Assessment via Self-Supervised Feature Learning 论文简析
[2020-AAAI] Revisiting Image Aesthetic Assessment via Self-Supervised Feature Learning 论文简析论文链接:https://arxiv.org/abs/1911.11419本文探索从自监督的角度进行美学评估。基于一个基本的动机:一个好的美学特征表示应该能够辨别出不同的专家设计的图像篡改的方法。本文设计了一个针对于美学评估的自监督pretext task。如上图所示,在自监督pretext task预训练阶段,将原图块原创 2021-06-21 22:06:57 · 357 阅读 · 0 评论 -
[2021-CVPR] Fine-grained Angular Contrastive Learning with Coarse Labels 论文简析
[2021-CVPR] Fine-grained Angular Contrastive Learning with Coarse Labels 论文简析论文地址:https://arxiv.org/abs/2012.03515代码地址:https://github.com/guybuk/ANCOR首先通俗地介绍一下细粒度(fine-grained),细粒度分类是指在原来粗分类的基础上再对子类进行更细致的分类。举个例子,图中有一只狗,粗(coarse)分类的分类结果即是一只狗,而细粒度的分类结果则会细原创 2021-06-08 22:14:57 · 3464 阅读 · 4 评论