Lingyun

在进行CNN的设计中，我们不仅要考虑模型的准确率，还需要考虑模型的实用性。现阶段大量的paper纯堆精度，缺没有深入思考模型以及算法的实用性。最近有一点感触很深：很多我们在做研究时认为默认的东西，在进行实际应用项目中，才发现这些先验数据是无法获得的，这和学术探索是很不同的。可能需要问自己，我们应该做怎样的研究者？对于CNN，网络的复杂度分析也是非常非常重要的。1、时间复杂度——计...

Paper: https://arxiv.org/abs/1906.08637开源代码：https://github.com/hpi-xnor/BMXNet-v22019年6月19的一篇新paper。BNN用于降低成本和计算量，非常有效。作者重新思考了BNN中一些常用技术的有效性，并且为BNN网络提出了几项设计准则，并且搭建了一个BinaryDenseNet网络。主要是通过实验数据去...

paper：Xception: Deep Learning with Depthwise Separable ConvolutionsURL：https://arxiv.org/abs/1610.023572017年的经典paper，作者在Inception的基础上引入DW卷积提出了Xception。由于引入DW卷积，但作者的目的不是为了减少flops。所以增加了网络的宽度，所以可以认...

paper：Learning Discriminative Aggregation Network for Video-based Face Recognition论文链接：Learning_Discriminative_Aggregation_ICCV_2017同样是2017 ICCV的paper，文章提出了一个DAN（discriminative aggregation network...

paper：Multicolumn Networks for Face Recognition论文链接：https://arxiv.org/pdf/1807.09192.pdf这是一篇set-to-set的paper，作者提出了一个Multicolumn Networks，想要同时学习视觉信息和内容信息。 在原来的网络上加了“visual” quality 和 “content” qual...

Paper：Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman Coding论文链接：https://arxiv.org/abs/1510.00149ICLR 2016的best paper，通过剪枝、量化、哈夫曼编码三步混合来做模型压缩。In...

Paper：Sampling Matters in Deep Embedding Learning论文链接：https://arxiv.org/abs/1706.07567开源代码：https://github.com/chaoyuaw/incubator-mxnet/tree/master/example/gluon/embedding_learning在embedding lear...

paper：ThunderNet: Towards Real-time Generic Object Detection论文链接：https://arxiv.org/abs/1903.11752?context=cs.CV开源代码：https://github.com/qixuxiang/Pytorch_Lightweight_Network1不得不说，ThunderNet 做的速度...

paper：Learning Efficient Convolutional Networks through Network Slimming这是一篇做剪枝的paper，2017的ICCV文章。主要亮点在于直接使用BN层的gamma参数进行剪枝评估。在卷积核的级别做剪枝，非常方便好用。问题：这篇paper中，Lamda的选择标准和阈值标准没有给出，应该就是作者实验试出来的。因...

Paper：Scale-Transferrable Object Detection论文链接：http://openaccess.thecvf.com/content_cvpr_2018/papers/Zhou_Scale-Transferrable_Object_Detection_CVPR_2018_paper.pdf这是2018年的CVPR目标检测paper，主要是多尺度问题。目...

Papaer：GridFace: Face Rectification via Learning Local Homography Transformations论文链接:https://arxiv.org/pdf/1808.06210v1.pdf旷视科技，ECCV-2018 paper。STN网络用在识别网络中，主要用于做一个二次校正。但是直接用STN学习可能会有扭曲这篇p...

谷歌：ICML 2019 paper：https://arxiv.org/abs/1905.11946前一阵子谷歌非常火的一篇paper，主要探讨网络的depth，width和resolution之间的balance，来获得最佳的性能。base在分类网络上，提出了Compound Model Scaling方法。Introduction作者提出了EfficientNet。...

paper：https://arxiv.org/abs/1610.023572017年的一篇经典paper，作者在Inception的基础上提出了Xception。引入了DW卷积Xception模块一般来说，卷积核需要同时学习空间上的相关性和通道间的相关性。InceptionV3，将空间和通道的信息显示的分开处理。Inception模块首先使用1x1的卷积核将，这是在学习通道...

1、Deep residual learning for image recognition 何凯明的代表作之一，获得了16年的bestpaper。文章不是针对目标检测来做的，但其解决了一个最根本的问题：更有力的特征。检测时基于Faster R-CNN的目标检测框架，使用ResNet替换VGG16网络可以取得更好的检测结果。（实际上，使用ResNet网络代替ZF, VGG, Go...

1、Speed/accuracy trade-offs for modern convolutional object detectors 其主要考虑三种检测器（Faster RCNN,R-FCN,SSD）作为元结构，三种CNN网络（VGG，Inception，ResNet）作为特征提取器，变化其他参数如图像分辨率、proposals数量等，研究目标检测系统准确率与速度的权衡关系...

1、Cascade R-CNN Delving into High Quality Object Detection. Cascaded RCNN这篇文章的出发点非常有意思，是通过分析输入proposal和ground truth的IOU与检测模型采用的用于界定正负样本的IOU关系得到结论：当一个检测模型采用某个阈值（假设u=0.6）来界定正负样本时，那么当输入proposal的...

论文：Pedestrian Detection in Low-resolution Imagery by Learning Multi-scaleIntrinsic Motion Structures (MIMS) 通过学习多尺度固有运动结构，在低分辨率图像中做行人检测由于地面采样距离（GSD）低，图像帧速率低，检测距离大幅面广域图像距离的行人是一个具有挑战性的问题。...

paper：Deep Learning Strong Parts for Pedestrian Detection目录主要解决的问题提出的解决办法1、现阶段对于阻塞问题的处理方法2、文章创新点3、训练部分池过程4、深模型中的移位处理5、学习过程6、遗留问题主要解决的问题 做行人检测时，将CNN的主要特征转移给了行人，但无法做遮挡处理。提出...

论文：Fast Algorithms for Convolutional Neural Networks本博客关注于论文中Winograd 变换部分 在1D，2D和多维度中，最小算法需要等于输入数量的多次乘法。 换句话说，为了计算F（m，r），我们必须访问m + r-1个数据值的间隔，并且为了计算F（m×n，r×s），我们必须访问（m + r- 1）×（n + s-1）数...

大家好，从今天开始就要学习人脸识别相关的知识啦，以后也会分享这一类的文章。人脸识别，必不可少的是Facebook AI研究院的这篇。论文：DeepFace: Closing the Gap to Human-Level Performance in Face Verification[cite] Taigman Y, Yang M, Ranzato M A, et al. Deepface...

又是超级经典的一篇人脸识别paper，提供了一种端到端的处理，提出了新颖的loss function，好文值得多读！FaceNet这篇paper是2015年的论文，实验效果非常好，在LFW中达到了99.63%的精度。实现了利用端到端的网络学习在欧式距离空间的128维人脸特征向量。并提出了triplet loss，通过loss函数直接学习embedding feature，并且优化fea...

Paper：Spatial Transformer Networks这是Google旗下 DeepMind 大作，最近学习人脸识别，这篇paper提出的STN网络可以代替align的操作，端到端的训练实现图片的align。实际使用的过程中不需要landmarks也可以做align了，而且还可以并联多个，这对于多个物体非常适用，而且，输出的feature大小可以变换，这一点也很灵活。提出...

原文地址：https://arxiv.org/pdf/1902.07327.pdf这是一篇2019的cvpr paper，在视频人脸识别中，输入一组图片，输出的单个特征向量。主要是增加了一个聚合模块，用来学习component feature的质量。在feature的前一层，同时输出feature和quality信息，以提高后续metric learning的精度。摘要 ...

最近看了很多人脸识别loss相关和GAN相关的paper，但是没有提纲挈领的把这些串起来，今天看到了这篇综述，里面虽然介绍的比较复杂，不过总结的还是非常明晰的。Paper: Deep Face Recognition: A Survey链接：https://arxiv.org/pdf/1804.06655.pdf 摘取了自己感兴趣的几部分，分享给大家，主要讲一下大的框架吧目录人...

Paper：FCOS: Fully Convolutional One-Stage Object Detection，CVPR 2019URL: https://arxiv.org/pdf/1904.01355.pdf Code is available at: tinyurl.com/FCOSv1这篇文章是单阶段的目标检测算法，基于anchor-free思想，效果非常好，达到4...

论文名称：《Searching for MobileNetV3》感谢github上大佬们开源，开源代码整理如下：（1）PyTorch实现1：https://github.com/xiaolai-sqlai/mobilenetv3（2）PyTorch实现2：https://github.com/kuan-wang/pytorch-mobilenet-v3（3）PyTorch实现...