公众号内容拓展学习笔记（2021.3.31）

公众号内容拓展学习笔记（2021.3.31）

---

📎 今日要点

1. 使用Python+OpenCV将照片变成卡通照片 ⭐️⭐️

   • 主要内容：利用OpenCV为Python中的图像提供卡通效果。
   • 代码链接：https://colab.research.google.com/drive/1lV5oJ_hI8PsSV1WDVWWfL18-tMm4vnxe?usp=sharing

2. CVPR2021深度框架训练 | 不是所有数据增强都可以提升最终精度 ⭐️⭐️

   • 主要内容：数据增强可能会引入噪声增强的例子，从而在推理过程中损害非增强数据的性能。
   • 核心要点：对于重要信息进行保护，称为保持增强

3. 基于PaddleDetection的锥桶检测并在Gazebo环境中实现部署 ⭐️⭐️

   • 主要内容：本项目基于飞桨开发套件PaddleDetection，实现在Gazebo环境中的锥桶检测，并使用Paddle Inference2.0实现在X86 Linux环境中的部署。
   • 代码地址：https://aistudio.baidu.com/aistudio/projectdetail/1608121

4. NAS+Det | SpineNet : 重新思考特征抽取时的降解析度操作 ⭐️⭐️⭐️

   • 主要内容：Google研究团队在CVPR 2020上发表了SpineNet，重新探讨了在特征层升降解析度的操作。他们认为带有空间位置信息的有效特征是可以在解析度上自由地缩放，并且使用 neural architecture search (NAS)，完成了SpineNet的设计。SpineNet在与ResNet + FPN相近甚至更少的运算量下，实现更好的检测与分类成果。
   • 论文：SpineNet: Learning Scale-Permuted Backbone for Recognition and Localization

5. Panoptic FCN：真正End-to-End的全景分割 ⭐️⭐️

   • 主要内容：本文介绍了全景分割的一些主要指标并回顾之前流行的box-based和box-free的全景分割算法(以Panoptic FPN和DeeperLab为例)，最后着重介绍了2021CVPR Oral的Panoptic FCN–被作者认为是真正的End to End的全景分割。
   • 论文：Fully Convolutional Networks for Panoptic Segmentation
   • GitHub：https://github.com/yanwei-li/PanopticFCN

6. 改善图像处理效果的五大生成对抗网络 ⭐️⭐️

   • 主要内容：五种生成对抗网络，可根据自己的实际需求进行选型。
   • 核心要点：
     • Conditional GAN
     • Stacked GAN
     • Information Maximizing GAN
     • Super Resolution GAN
     • Pix2Pix

📎 Others

• 由于图片权限问题，GitHub是完整版，可以点点 star
• 星标的数量是与个人相关程度，不代表文章内容的好坏
• 关注我的CSDN博客
• 关注我的哔哩哔哩
• 关注我的公众号CV伴读社