PPLLO_o的博客

MultiPoseNet: Fast Multi-Person Pose Estimation using Pose Residual NetworkAbstract在本文中，我们提出MultiPoseNet，一种新的自下而上的多姿态的人，结合了一种新的分配方法多任务模型估计架构。 MultiPoseNet可以共同处理人员检测，关键点检测，人员分割和姿态估计问题。新颖的分配方法由接收关键点和...

P2SGrad: Refined Gradients for Optimizing Deep Face Models地址：http://openaccess.thecvf.com/content_CVPR_2019/papers/Zhang_P2SGrad_Refined_Gradients_for_Optimizing_Deep_Face_Models_CVPR_2019_paper.pdf...

ArcFace: Additive Angular Margin Loss for Deep Face RecognitionAbstract使用深度卷积神经网络（DCNN）进行大规模人脸识别的特征学习的主要挑战之一是设计适当的损失函数，以增强判别力。中心损失惩罚欧氏空间中深部特征与其相应的类中心之间的距离，以实现类内紧凑性。 SphereFace假设最后一个完全连通层中的线性变换矩阵可以用...

Abstract我们激励和呈现特征选择性无anchor（FSAF）模块，这是一种用于单级物体探测器的简单有效的构建模块。它可以插入具有金字塔结构特征的单级探测器。 FSAF模块解决了传统的基于anchor的检测带来的两个限制：1）启发式引导特征选择; 2）基于重叠的anchor采样。 FSAF模块的一般概念是在线特征选择应用于多级anchor-free分支的训练。具体地，anchor-fr...

《Focal Loss for Dense Object Detection》摘要迄今为止最高精度的对象检测器基于由R-CNN推广的 two-stage 方法，其中分类器应用于稀疏的候选对象位置集。相比之下，在可能的物体位置的规则，密集采样上应用的 one-stage 探测器具有更快和更简单的可能性，但迄今为止已经落后于 two-stage 探测器的精度。在本文中，我们调查为什么会这样。我们...

RetinaFace: Single-stage Dense Face Localisation in the Wildpaper： https://arxiv.org/pdf/1905.00641.pdfgithub： https://github.com/deepinsight/insightface/tree/master/RetinaFaceAbstract尽管在不受控制的人脸检...

《FaceNet: A Unified Embedding for Face Recognition and Clustering》Abstract尽管最近在人脸识别领域取得了重大进展[10,14,15,17]，但是大规模有效地实施面部验证和识别对当前方法提出了严峻挑战。在本文中，我们提出了一个名为FaceNet的系统，它直接学习从面部图像到紧凑欧几里德空间的映射，其中距离直接对应于面部相似性...

1、Retinex理论Retinex 是两个单词合成的，它们分别是 retina （视网膜）和 cortex （皮层），因此 Retinex 理论很多时候也被称为是视网膜皮层理论。最初的基于 Retinex 理论的模型提出了一个人眼视觉系统 (HVS, Human Visual System) 解 释了人眼为什么对于光线波长和亮度互不对应。在这个理论中，物体能够被观察到的颜色信 息...

《An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition》论文翻译摘要基于图像的序列识别一直是计算机视觉中长期存在的研究课题。在本文中，我们研究了场景文本识别的问题，这是基于图像的序列识别中最重要和最具挑战...

摘要我们提出了一种单图像超分辨率（SR）的深度学习方法。我们的方法直接学习低/高分辨率图像之间的端到端映射。该映射表示为深度卷积神经网络（CNN），其将低分辨率图像作为输入并输出高分辨率图像。我们进一步表明，传统的基于稀疏编码的SR方法也可以被视为深度卷积网络。但与分别处理每个组件的传统方法不同，我们的方法共同优化所有层。我们的深层CNN具有轻质结构，同时展示了最先进的修复质量，并实现了实...

DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks摘要我们提出了一种基于条件GAN和内容丢失的运动去模糊的端到端学习方法。它在峰值信噪比，结构相似性度量和视觉外观方面提高了现有技术水平。去模糊模型的质量也以一种新颖的方式评估现实世界的问题 - 对（去）模糊图像的物体检测。该方法比最接近的竞争对手快...

AdaCos: Adaptively Scaling Cosine Logits for Effectively Learning Deep Face RepresentationsCVPR2019的一篇关于人脸识别的论文地址：http://openaccess.thecvf.com/content_CVPR_2019/papers/Zhang_AdaCos_Adaptively_Scalin...