_menglan_Zi

好久没有冒泡了，哈哈。plateau lr policy来自于PVANET: Deep but Lightweight Neural Networks for Real-time Object Detection这篇论文。这里从issue里面整理出来的，欢迎大家指点，以及如果你用了plateau lr policy来做实验，是否可以告知下效果如何？issues:Add "plate

1SSD: Single Shot MultiBox Detector. ECCV16 (arxiv)2R-SSD: enhancement of ssd by concatenating feature maps for object detection. BMVC17. (arxiv)3DSSD: Deconvolut

好久没写了，心血来潮好吧，怎么简单怎么来：human pose regression by combining indirect part detection and contextual information - arxiv - 1710.02322论文链接该论文的亮点在于重新用回了regression，而不是直接基于heat map的part detection方法。

笔者最近在关注fine-grained方面的paper，发现有以下的方面去做：1 part-based2 weakly-supervised的，如second-orderless pooling（Compact Bilinear Pooling）等3 还是weakly-supervised的，但用上了proposals/grids/regions（如selective search）等

人至懒则无敌。cvpr17的论文，很有意思，值得一读和复现。（笔者懒，还是坐等开源吧）Residual Attention Network for Image Classification. In CVPR 2017.该模型的结构参考了: Stacked hourglass networks for human pose estimation. In arXiv 2016. （笔者

Convolutional Low-Resolution Fine-Grained Classification. In arXiv, 2017.03论文链接：Convolutional Low-Resolution Fine-Grained Classification.论文的idea很简单，就是把super resolution和classifier嵌入到一个模型中，并en

Pyramid Scene Parsing Network - arxiv - 1612.011052016年imagenet的scene parsing的冠军github: https://github.com/hszhao/PSPNetproject: http://appsrv.cse.cuhk.edu.hk/~hszhao/projects/pspnet/index.h

Fully Convolutional Instance-aware Semantic Segmentation - arXiv 16.11论文链接：https://arxiv.org/pdf/1611.07709v1.pdfgithub：https://github.com/daijifeng001/TA-FCN=====参考博文：1Instance-sensitive Fu

Aggregated Residual Transformations for Deep Neural Networks, arXiv 16.11.论文链接: https://arxiv.org/abs/1611.05431=====这个是全明星阵容的paper，提出了深度模型另一个重要的需要考量的纬度：cardinality。(用简单的方式做不简单的事情）众所周知，提高模

（持续更新）- 深度学习变革视觉实例搜索 http://www.leiphone.com/news/201608/Iy4k4tU8zXThBYEQ.html

最近在看“在测试的时候, 怎么merge BN 和 Scale layer到conv layer”来加速。具体可以看：speed improvement by merging batch normalization and scale #5

Deep Image Retrieval: Learning global representations for image search. In ECCV, 2016.论文地址：https://arxiv.org/abs/1604.01325extended version：end to end learning of deep visual representations for i

A Discriminative Feature Learning Approach for Deep Face Recognition, ECCV16.论文：http://ydwen.github.io/papers/WenECCV16.pdf代码（caffe）：https://github.com/kpzhang93/caffe-face代码（mxnet）：https://gith

StuffNet: Using ‘Stuff’ to Improve Object Detection, Arxiv 16.10论文地址：https://arxiv.org/pdf/1610.05861v1.pdf类似的论文：Contextual Priming and Feedback forFaster R-CNN, eccv16.=====好像现在都喜欢用multi-task

PVANET: Deep but Lightweight Neural Networks forReal-time Object Detection, arxiv 16.08论文地址：https://arxiv.org/pdf/1608.08021v1.pdf先看leaderboard再看下speed厉害的不要不要的。=====转正题，下面介绍下这篇

Instance-sensitive Fully Convolutional Networks - eccv 2016=====论文地址：http://arxiv.org/abs/1603.08678=====一句话概括：  根据local coherence的特性，以sliding window的方式，利用FCN产生positive-sensitive的instance-le

R-FCN: Object Detection via Region-based Fully Convolutional Networks, Arxiv 16.05=====blogs：论文阅读]R-FCN: Object Detection via Region-based Fully Convolutional Networks： http://blog

- UnitBox An Advanced Object Detection Network，arxiv 16.08 （download）    该论文提出了一种新的loss function：IoU loss。这点比较有意思，也容易复现。    ======    论文分析了faster-rcnn和densebox的优缺点：        1 fast

- Bootstrapping Face Detection with Hard Negative Examples，arxiv 16.08（download）    昨天在微博上看到这个论文的时候，很是惊讶，为啥？因为出自小米的为发烧而生（跑分）    =====     论文比较短，主要提出了一个hard negative mining的方式，以及基于faste

Multi-view Face Detection Using Deep Convolutional Neural Networks, ICMR 15.     将Alexnet转成FCN的形式也就是227*227的输入会输出1*1的heat map），将detection问题转为classification问题。        很简单，对每个region/propos