公众号内容拓展学习笔记（2021.5.15）

公众号内容拓展学习笔记（2021.5.15）

---

📎 今日要点

1. 防噪音的深度度量学习：一种样本选择方法 | CVPR 2021 ⭐️⭐️

   • Abstract: 基于度量学习的一种样本选择方法PRISM
   • Paper: Adv-Makeup: A New Imperceptible and Transferable Attack on Face Recognition
   • Code: https://github.com/alibaba-edu/Ranking-based-Instance-Selection
   • Tips: 基于概率排序的样本选择算法(PRISM)，该算法使用图像特征的平均相似度来识别minibatch中的错误标签

2. CVPR 2021 | 突破性研究！将自监督学习应用到自动驾驶上 ⭐️⭐️

   • Abstract: 将自监督学习应用到自动驾驶上
   • Paper: Self-Supervised Pillar Motion Learning for Autonomous Driving
   • Tips: 借助自监督学习，从未标注的激光雷达点云和配对的相机图像中获得了点云运动信息，在不需要标注数据的情况下，就可以较好地理解交通参与者的运动

3. Transformer再下一城！厦大等提出ISTR：端到端实例分割 ⭐️⭐️

   • Abstract:基于Transformer的实例分割网络ISTR
   • Paper: Visualizing Adapted Knowledge in Domain Transfer
   • Code: https://github.com/hujiecpp/ISTR
   • Tips: ISTR通过预测低维Mask嵌入，并将其与Ground-Truth Mask嵌入进行匹配以得到Set Loss。此外，ISTR同时使用循环细化策略进行检测和分割，与现有的自上而下和自下而上的框架相比，它提供了一种实现实例分割的新方法

4. 【开源】近期遥感航空影像的检索、检测、跟踪、计数、分类相关工作 ⭐️⭐️

   • Abstract: 近期遥感航空影像的检索、检测、跟踪、计数、分类相关工作
   • Tips: 篇收录遥感航空影像相关论文，其中应用到超分辨率、检索、对齐、检测、跟踪、计数与分类技术。共计 5 篇

5. 基于深度学习的图像增强综述 ⭐️⭐️

   • Abstract: 基于深度学习的图像增强综述
   • Tips: 介绍了近年来比较经典的图像增强模型，并分析其优缺点

6. 干货｜基于深度学习的目标检测算法面试必备（RCNN~YOLOv5） ⭐️⭐️

   • Abstract: 基于深度学习的目标检测算法面试必备（RCNN~YOLOv5）
   • Tips: 按照目标检测的三个分类：两阶段目标检测算法、多阶段目标检测算法、单阶段目标检测算法，讲解了该方向下各目标检测算法的特点。

7. 炼丹宝典 | Deep Learning 调参 tricks ⭐️⭐️

   • Abstract: Deep Learning 调参 tricks
   • Tips: 大部分都是常规操作，但都是很多实用的调参技巧

📎 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