论文解读
关注
分享
扫一扫
Jayden yang
光子捕手
展开
-
NeurIPS 2019语义分割相关论文综述
Neural Diffusion Distance for Image Segmentation摘要：扩散距离是一种考虑全局数据结构的，用于测量图上节点之间距离的频谱方法。在这项工作中，我们提出了一种基于光谱近似分解的图谱扩散网络，用于计算图上的扩散距离。该网络是可微分的深度架构，由特征提取和扩散距离模块组成，用于通过端到端训练来计算图像上的扩散距离。我们设计了低分辨率内核匹配损失和高分辨率段匹配损失，以强制网络输出与人类标记的图像段一致。为了计算高分辨率扩散距离或分割蒙版，我们设计了一种基于特征注意原创 2020-05-14 11:37:30 · 2586 阅读 · 0 评论 -
HRNet：Deep High-Resolution Representation Learning for...（论文解读二十五）
Title： Deep High-Resolution Representation Learning for Human Pose Estimation（HRNet）Code ：PyTorchFrom：CVPR 2019Note data：2020/02/28Abstract：提出一个可以从单张自然图像学习的非条件性生成式模型SinGAN。...原创 2020-02-28 10:41:07 · 1425 阅读 · 0 评论 -
PointRend: Image Segmentation as Rendering（论文解读二十四）
Title：PointRend: Image Segmentation as RenderingCode ：PyTorchFrom：arxivNote data：2020/02/27Abstract：提出了PointRend（基于点的渲染）神经网络模块，该模块基于迭代细分算法在自适应选择的位置执行基于点的分段预测。Abstract论文提出一种基于生成对抗模型的SinGAN；...原创 2020-02-27 14:31:21 · 6193 阅读 · 0 评论 -
超分论文综述（ DualCNN，Deep SR-ITM ，DSGAN）
论文来源：[1] Pan, J., Liu, S., Sun, D., Zhang, J., Liu, Y., Ren, J., ... & Yang, M. H. (2018). Learning dual convolutional neural networks for low-level vision. InProceedings of the IEEE conferenc...原创 2019-12-11 11:57:51 · 2639 阅读 · 0 评论 -
SinGAN： Learning a Generative Model from a Single Natural Image（论文解读二十三）
Title：SinGAN： Learning a Generative Model from a Single Natural ImageCode ：PyTorchFrom：ICCV2019Note data：2019/11/19Abstract：提出一个可以从单张自然图像学习的非条件性生成式模型SinGAN。目录Abstract1 Introduction2 Re...原创 2019-11-19 19:24:34 · 1161 阅读 · 0 评论 -
Semantic Segmentation---DFANet:Deep Feature Aggregation for Real-Time Semantic Segmentation（论文解读十）
Title：DFANet：Deep Feature Aggregation for Real-Time Semantic SegmentationNote data：2019/06/05Abstract：提出的网络从单个轻量级骨干网开始，分别通过子网和子站级联聚合判别特征。基于多尺度特征传播，DFANet大大减少了参数的数量，但仍然获得了足够的感受野，提高了模型学习能力，在速度和分割性能之间取...原创 2019-06-04 21:17:01 · 2727 阅读 · 0 评论 -
Semantic Segmentation---Understand Convolution for Semantic Segmentation(论文解读十五）
Title：Understand Convolution for Semantic SegmentationFrom：IEEE Winter Conference on Applications of Computer Vision (WACV 2018)Note data：2019/06/16Abstract：介绍两种操作卷积相关运算（密集上采样卷积，混合空洞卷积）以提高分割效果Co...原创 2019-06-16 22:54:38 · 1651 阅读 · 0 评论 -
Semantic Segmentation---Adaptive Pyramid Context Network for Semantic Segmentation（论文解读十七）
Title：Adaptive Pyramid Context Network for Semantic SegmentationFrom：CVPR2019Note data：2019/06/30Abstract：提出Adaptive Context模块，在估计局部区域权重时，利用局部和全局上下文特征表示的GLA特性Code ：暂未开源目录1 Abstract2 Intr...原创 2019-06-30 22:23:14 · 2348 阅读 · 1 评论 -
Semantic Segmentation---EncNet：Context Encoding for Semantic Segmentation（论文解读十八）
Title：Context Encoding for Semantic SegmentatioFrom：CVPR2018Note data：2019/07/11Abstract：引入上下文编码模块(Context Encoding Module)，引入全局上下文信息(global contextual information)，用于捕获场景的上下文语义并选择性的突出与类别相关的特征图。...原创 2019-07-11 20:45:52 · 1599 阅读 · 2 评论 -
史上最全语义分割综述（FCN,UNet,SegNet，Deeplab，ASPP...）
目录语义分割综述摘要语义分割领域研究现状灰度分割条件随机场深度学习方法数据集与评价指标常用数据集评价指标模型介绍语义分割综述摘要语义分割（全像素语义分割）作为经典的计算机视觉问题（图像分类，物体识别检测，语义分割）。其涉及将一些原始数据（例如：平面图像）作为输入并将它们转换为具有突出显示的感兴趣区域的掩膜，其中图像中的每个像素根据其所属的对象被分...原创 2019-07-19 14:04:38 · 83059 阅读 · 13 评论 -
CANet: Class-Agnostic Segmentation Networks with Iterative Refinement and Attentive...（论文解读十九）
Title：CANet: Class-Agnostic Segmentation Networks with Iterative Refinement and Attentive Few-Shot LearningFrom：CVPR2019Note data：2019/07/17Abstract：引入一种CANet，一个类不可知的分割网络，可以对新类进行几次分割，只有少量带注释的图像。...原创 2019-07-17 14:51:02 · 3984 阅读 · 1 评论 -
Super-resolution:Camera Lens Super-Resolution(论文解读二十）
Title：Camera Lens Super-ResolutionFrom：CVPR2019Note data：2019/07/31Abstract：从相机的角度研究SR，减小分辨率和视野域的内在权衡（焦距），使用更加真实的H-L分辨率的数据集，并可以将CameraSR推广到不同的内容和设备。Code ：TensorFlow目录1 Abstra2 Introducti...原创 2019-07-31 15:50:34 · 1763 阅读 · 0 评论 -
Super-resolution:Image Super-Resolution Using Very Deep Residual Channel Attention Networks(论文简读二十一）
Title：Image Super-Resolution Using Very Deep Residual Channel Attention NetworksFrom：CVPR2018Note data：2019/08/06Abstract：针对深度网络难以训练的问题提出了新的网络结构Residual channel attention networks(RCAN),其中在残差网络的基础上...原创 2019-08-06 09:51:49 · 714 阅读 · 0 评论 -
Super-resolution:RankSRGAN: Generative Adversarial Networks with Ranker for Image SR(论文简读二十二）
Title：RankSRGAN: Generative Adversarial Networks with Ranker for Image Super-ResolutionFrom：ICCV2019Note data：2019/08/18Abstract：针对现有方法中无法合理评估生成图像质量问题，采用感知指标来评估感知质量并提出具有Ranker（RankSRGAN）的超分辨生成对抗...原创 2019-08-18 15:54:17 · 2265 阅读 · 0 评论 -
Semantic Segmentation---DFN：Learning a Discriminative Feature Network for Semantic ...（论文解读十三）
Title：Learning a Discriminative Feature Network for Semantic SegmentationFrom：CVPR2018Note data：2019/06/10Abstract：为解决类内不一致和类内模糊两个语义分割的挑战，提出了一种判别特征网络DFN，包含了平滑网络与边界网络。Code ：pytorch目录DFN论文解读...原创 2019-06-11 11:25:39 · 699 阅读 · 3 评论 -
轻量化卷积神经网络（SqueezeNet，MobileNet，ShuffleNet，Xception）
目录摘要SqueezeNet (AlexNet-level accuracy with 50x fewer parameters and < 0.5MB model size)MobileNetShuffleNetXception总结摘要在最近阅读的一些论文中常常出现MobileNet，Xception等模块，下面将对几种轻量化卷积神经网络进行介绍，并给出论文...原创 2019-06-10 19:12:44 · 4117 阅读 · 0 评论 -
Semantic Segmentation---DeepLabv3+ Encoder-Decoder with Atrous Separable Convolution for ...（论文解读十二）
Title：Encoder-Decoder with Atrous Separable Convolution for Semantic Image SegmentationFrom：CVPR2018Note data：2019/06/09Abstract：以DeepLabv3做encoder架构，decoder采用一个简单却有效的模块。并探索了改进的Xception和深度分离卷积在模型...原创 2019-06-09 10:48:29 · 1260 阅读 · 0 评论 -
Semantic Segmentation---DeepLab V1:Semantic Image Segmentation with Deep Convolutional Nets..（论文解读二）
Title：DeepLab V1: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs Data：2019/04/17 Abstract：DeepLab是结合了深度卷积神经网络(DCNNs)和概率图模型(DenseCRFs)的方法。在实验中...原创 2019-04-17 22:44:18 · 1410 阅读 · 0 评论 -
Densely Connected Convolutional Networks（论文解读三）
目录DenseNet:论文解读1.Abstract2. Related work2.1 通过级联来加深网络2.2 通过 shortcut 连接来加深网络2.3 通过加宽网络来使网络更深2.4 提高特征重用2.5 其他一些工作：3. DenseNet3.1 Composite functio ...原创 2019-05-10 11:15:13 · 3218 阅读 · 0 评论 -
Object Detection---PoolNet:A Simple Pooling-Based Design for Real-Time Salient Object Dete...（论文解读五）
Title：PoolNet:A Simple Pooling-Based Design for Real-Time Salient Object DetectionNote data：2019/05/16Abstract：基于U型结构构建了全局引导模块(GGM )与特征聚合模块(FAM)，使得粗糙的语义信息与自上而下的路径中的精细特征融合，在处理300*400图像时可以超过30FPS的速度运行...原创 2019-05-16 10:52:59 · 2708 阅读 · 13 评论 -
Object Detection---R-CNN / fast-RCNN / faster-RCNN (论文解读七）
R-CNN系列作为目标检测领域的大师之作，对了解目标检测领域有着非常重要的意义。Title：R-CNN:Rice feature hierarchies for accurate object detection and semantic segmentation fast-RCNN Faster-RCNN:Towards Real-Time Obje...原创 2019-05-21 16:53:26 · 563 阅读 · 0 评论 -
Object Detection---Fast-RCNN (论文解读八）
Title：Fast-RCNNNote data：2019/05/21Abstract：作为计算机视觉三大问题之一，检测问题是相对较为复杂的任务。不仅需要知道是什么，还需要知道在哪里，分别是什么的问题，这正是我们目标检测需要做的东西。Code：pytorchR-CNN论文解读目录Fast-RCNN论文解读1 Abstract2 Introduction3 Archi...原创 2019-05-21 21:07:06 · 977 阅读 · 0 评论 -
Semantic Segmentation---GCN:Large Kernel Matters---Improve Semantic Segmantic by Global ...（论文解读四）
Title：GCN:Large Kernel Matters---Improve Semantic Segmantic by Global Convolutional NetworkNote data：2019/05/13Abstract：GCN提出了Global Convolutional Network(GCN)，同时给出了一个基于残差(residual)的boundary refin...原创 2019-05-13 15:16:51 · 1029 阅读 · 0 评论 -
Super-Resolution 论文调研
目录超分辨率综述论文一Fast, Accurate, and Lightweight Super-Resolution with Cascading Residual Network（ECCV2018）1. Abstract2. Architecture3. Experiment4.Conclusion论文二：Recurrent Back-Projection Ne...原创 2019-05-30 11:36:03 · 1904 阅读 · 0 评论 -
Object Detection---FPN:Feature Pyramid Networks for Object Detection (论文解读六）
Title：FPN:Feature Pyramid Networks for Object DetectionNote data：2019/05/18Abstract：利用特征金字塔对不同层次的特征进行尺度变化后，再进行信息融合，从而可以提取到比较低层的信息，也就是相对顶层特征来说更加详细的信息。在R-CNN的基础上FPN达到了最优的结果，在COCO2016中一举夺魁，并且值得注意的是在一张G...原创 2019-05-18 17:02:55 · 912 阅读 · 0 评论 -
Fine-grained Classification 论文调研
目录细粒度分类综述论文一Learning to Navigate for Fine-grained Classification （ECCV2018 from PKU）1. Abstract2. Architecture3. Experiment4.conclusion论文二：Multi-Attention Multi-Class Constraint for Fin...原创 2019-05-27 21:25:18 · 2861 阅读 · 0 评论 -
Semantic Segmentation---DenseASPP for Semantic Segmentation in Street Scenes（论文解读十一）
Title：DenseASPP for Semantic Segmentation in Street ScenesFrom：CVPR2018Note data：2019/06/05Abstract：ASPP基础上提出密集连接扩张空间金字塔池Code ：pytorch目录DenseASPP论文解读1 Abstract2 Introduction3Related w...原创 2019-06-05 17:25:53 · 1292 阅读 · 1 评论 -
DRN：Dilated Residual Networks（论文解读十四）
Title：Dilated Residual NetworksFrom：CVPR2017Note data：2019/06/12Abstract：提出一种有利于分类任务的扩张残差网络DRN。Code ：pytorch目录DRN论文解读1 Abstra2 Introduction3 MethodDegridding添加图层移除残差连接5 Experim...原创 2019-06-12 21:39:41 · 4120 阅读 · 1 评论 -
Semantic Segmentation---Auto-DeepLab: Hierarchical Neural Architecture Search for Semant ...（论文解读十六）
Title：Auto-DeepLab:Hierarchical Neural Architecture Search for Semantic Image SegmentationFrom：CVPR2019Note data：2019/06/18Abstract：提出一种NAS方法应用于图像语义分割，并取得了SOTA的效果。Code ：pytorch传送门：NAS综述目录...原创 2019-06-18 21:39:58 · 714 阅读 · 0 评论 -
Semantic Segmentation---DANet:Dual Attention Network for Scene Segmentation（论文解读九）
Title：DANet：Dual Attention Network for Scene SegmentationNote data：2019/06/02Abstract：该论文提出新型的场景分割网络DANet，利用自注意力机制进行丰富语义信息的捕获，在带有空洞卷积的FCN架构的尾部添加两个并行的注意力模块：位置注意力模块和通道注意力模块。Code ：pytorch目录DANet论文...原创 2019-06-02 22:04:23 · 2398 阅读 · 0 评论 -
Semantic Segmentation---SegNet:A Deep Convolutional Encoder-Decoder Architecture...（论文解读一）
Title：SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation Data：2019/04/08 Abstract：SegNet创新的使用了Encoder-Decoder结构，创新之处在于使用Encoder下采样时池化索引来做Decoder上采样的指引. 目录 简介: SegN...原创 2019-04-08 11:22:38 · 1779 阅读 · 0 评论