公众号内容拓展学习笔记（2021.5.1）

公众号内容拓展学习笔记（2021.5.1）

---

📎 今日要点

1. 最强无监督行人重识别方法 Cluster Contrast ReID，精度超越有监督算法 ⭐️⭐️

   • Abstract: 无监督行人重识别Cluster Contrast ReID，达到SOTA
   • Paper: Cluster Contrast for Unsupervised Person Re-Identification
   • Code: https://github.com/alibaba/cluster-contrast-reid
   • Tips: Cluster Contrast核心就是在人的维度上去进行特征的提取和更新，从而将特征的更新速度与图片数量进行解耦，让算法工程师能够在ID的层面对模型进行调优。

2. 2位华人博士联手设计全景分割流水线，分辨率高达51.3% ⭐️⭐️

   • Abstract: 一种端到端的全景分割网络MaX-DeepLab
   • Paper: MaX-DeepLab: End-to-End Panoptic Segmentation with Mask Transformers
   • Tips: 端到端，结合了CNN与Transformer，缩小了box与box-free方法之间的差距，SOTA

3. 陈丹琦组最新力作：仅需dropout两次的对比学习框架 ⭐️⭐️

   • Abstract: 前几天推的是SimCSE在中文的实验，今天讲的是对比学习SimCSE本尊
   • Paper: SimCSE: Simple Contrastive Learning of Sentence Embeddings
   • Code: https://github.com/princeton-nlp/SimCSE
   • Tips: 核心思想是缩短两个正样本之间的距离，拉大负样本之间的距离，从而得到输入更好的表示。

4. Libra R-CNN：实现平衡学习的目标检测 ⭐️⭐️

   • Abstract: 实现平衡学习的目标检测框架Libra R-CNN
   • Paper: Libra R-CNN: Towards Balanced Learning for Object Detection
   • Tips: Libra R-CNN借助简单但有效的组件，即IoU平衡采样、平衡特征金字塔和平衡L1损失，实现了更准确的目标检测

5. PFLD：高精度实时人脸关键点检测算法 ⭐️⭐️

   • Abstract: 高精度实时人脸关键点检测算法PFLD
   • Paper: PFLD: A Practical Facial Landmark Detector
   • Tips: backbone采用轻量级网络，自定义一个辅助网络获取旋转信息，设计了一个新的损失算法来解决几何正则化和数据不平衡问题

6. 用Python+OpenCV实现自动驾驶汽车的车道线检测 ⭐️⭐️

   • Abstract: 使用Python+OpenCV实现自动驾驶汽车的车道线检测
   • Code: https://github.com/pdhruv93/computer-vision/tree/main/lane-detection-self-driving
   • Tips: 基于OpenCV的车道线检测，思路清晰简洁，在深度学习的浪潮里，这种的小酌一下很嗨

7. 自动驾驶中的深度学习 ⭐️⭐️

   • Abstract: 在当前火热的自动驾驶中，用到了哪些深度学习技术
   • Tips:
     • 在 感知（Perception） 中, 你发现周围的环境和障碍。
     • 在 定位（Localization） 中, 你在世界中确定了自己的位置，精度在 1-3 cm。
     • 在 规划（Planning） 中, 你利用感知和定位，确定了从 A 到 B 的轨迹。
     • 在 控制（Control） 中, 你产生方向盘转向角度和加速度值来沿着轨迹行进。

📎 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
• 关注我的个人网站
• 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