公众号内容拓展学习笔记(2021.10.6)
📎 今日要点
-
霸榜NWPU-Crowd!CCTrans:基于Transformer的人群计数新网络!支持强、弱监督 ⭐️⭐️
- Abstract: CCTrans基于 Twins 简化并提升人群计数,支持强、弱监督
- Paper: CCTrans: Simplifying and Improving Crowd Counting with Transformer
- Tips: CCTrans 能够对全局范围内的尺度、密度差异及光照变化都有更好的处理,也没有将示例中的假人和无关背景识别为真人。
-
目标检测新框架:大幅度提升检测精度(附源代码下载) ⭐️⭐️
- Abstract: BorderDet的新型检测架构,它明确利用边界信息进行更强的分类和更准确的定位
- Paper: BorderDet: Border Feature for Dense Object Detection
- Tips: BorderDet优势在于能提取边界极限的特征,且边界极限点的特征对物体的精准定位具有一些帮助
-
NeurIPS 2021 | 超越gMLP!清华提出GFNet:用于图像分类的全局Filter网络 ⭐️⭐️
- Abstract: 清华提出GFNet:用于图像分类的全局Filter网络
- Paper: Global Filter Networks for Image Classification
- Code: https://github.com/raoyongming/GFNet
- Tips: 提出了全局滤波器网络(Global Filter Network, GFNet),一种概念简单且计算高效的架构,它在频域以
log-linear
复杂度学习长距离空间依赖
-
CVPR2021 | TransCenter: transformer用于多目标跟踪算法 ⭐️⭐️
- Abstract: TransCenter: transformer用于多目标跟踪算法
- Paper: TransCenter: Transformers with Dense Queries for Multiple-Object Tracking
- Code: https://github.com/yihongXU/TransCenter
- Tips: 这是首个用于预测密集目标点热力图 (dense center heatmap)Transformer MOT 架构
-
港大&南科大提出端到端PDVC,用DETR的方法做Dense Video Captioning!简化训练流程 ⭐️⭐️
- Abstract: PDVC用DETR的方法做Dense Video Captioning
- Paper: End-to-End Dense Video Captioning with Parallel Decoding
- Code: https://github.com/ttengwang/pdvc
- Tips: 本文提出了一种并行解码的端到端密集视频字幕框架PDVC ,直接生成一组特定于时间片段的句子,而不需要密集到稀疏的proposal生成和选择过程,显著简化了传统的“localize-then-describe” 方式
-
CNN网络结构的发展(最全整理) ⭐️⭐️
- Abstract: CNN网络结构的发展(最全整理)
- Tips: CNN网络结构发展历程,都是经典网络
📎 Others
![](https://img-blog.csdnimg.cn/202005031406335.jpg)