xiaoxiang_AQ 的博客

同组小伙伴推荐的文章，一篇看似做边缘检测，实际做出了语义分割的文章，ICCV2015的文章。主要解决两个问题：（1）基于整个图像的训练和预测；（2）多尺度和多水平的特征学习。该算法通过深度学习模型，完成了从图像到图像的预测，并通过学习到的丰富的分级特征，完成边缘检测中的细节问题。本文提出的end-to-end的边缘检测系统，称为holistically-nested edge detectio

Facebook AI Research 的文章，刚刚开源到github，代码： https://github.com/facebookresearch/deepmask 。其开源代码主要来自于两篇文章，想学习一下这个代码，还是先把出处的两篇文章看完吧。接上文（一），该论文的主要思想是将deep-network结构的segmentation与object detection结合，其实验

Facebook AI Research 的文章，刚刚开源到github。其开源代码主要来自于两篇文章，想学习一下这个代码，还是先把出处的两篇文章看完吧。 经典的目标检测系统主要包括两个部分：提取proposal、将每一个候选proposal输入进行目标分类。本文则提出另一种思路：基于discriminative convolutional network的方法。该模型将两个部分进行合

2016_CVPR 文章：You Only Look Once：Unified, Real-Time Object Detection作为深度学习大神 rbg 的又一篇 2016CVPR 论文，迫不及待地学习了，与大家分享1、思路 Overview of YOLORecentapproaches like R-CNN ：YOLO detection：A

当我决心认真地看Faster R-CNN代码的时候，我就觉得有必要把 Fast R-CNN的论文的细节再从新完整地看一遍了。对，是细节，如何实现的部分，于是有了此篇博客。请注意是 Fast R-CNN笔记。

这篇论文主要采用“位置敏感度图”的方法，将FCN 网络引入到目标检测中来，将图像分类和目标检测很好地结合。因此这种方法可以和很多FCN中的图像分类框架结合，比如ResNets等，使其应用到目标检测中来。本文实验了101层的ResNet在VOC数据下结果，取得了mAP 83.6%和 速度 170ms一张图的结果（速度比Faster RCNN快）。

CVPR2016的文章，CMU与rbg大神的合作。原谅我一直没有对这篇文章做一个笔记~~文章提出了一种通过online hard example mining（OHEM）算法训练基于区域的卷积检测算子的高效目标检测算法，能够对简单样本和一些小数量样本进行抑制，使得训练过程更加高效。该方法利用显著的bootstrapping技术（SVM中被普遍利用），对SGD算法进行一定的修改，使得原有的reg

很早的一篇文章了，CVPR2015的一个亮点，看过几次了，今天决定mark一下。文章使用全卷积网络，进行端到端的，像素到像素的训练，得到了很好的语义分割结果。

本文主要解决未知目标在视频流中的跟踪问题，跟踪结果通过目标在单帧中的定位表示。重点提出了TLD的框架和P-N学习的方法（P-N learning方法：P-expert估计漏掉的检测结果；N-expert消除错检结果）。

本文设计了一个Coarse-to-Fine的深度学习网络Label Refinement Network，来进行语义分割任务。主要将低分辨率下的分割标签和卷积后的特征进行结合，获得一个更加精确的分割结果。在网络的多个阶段定义loss函数，这种做法起到了多阶段同时监督的效果。论文传送：Label Refinement Network for Coarse-to-Fine Semantic Seg

这是一篇非常有意思的介绍利用深度学习进行抠图的文章。文章传送：Deep Image Matting文章 。文章提出的方法在抠图alphamatting.com比赛中，排名第一。文章提出的算法主要分为两个部分：第一部分通过深度卷积的encoder-decoder网络，输入图像和图片对应的一个trimap，来预测图像的alpha matte（蒙板），第二部分用小型卷积网络对第一部分得到的蒙板进行微

同样是Facebook AI Research的文章，是2016年7月新出的文章。下面我们来看一下。 简介与思想：目标分割主要要求目标级别的信息+像素级别的信息。但是对于前馈网络来说，卷积网络中下层获取了大量的空间信息，而顶层主要由目标水平的信息组成，在姿势和外形变化时不能达到很好的效果。本文主要提出一种自上而下的refinement方法来增强前馈网络以更好分割的方法。该方法与Deep

Facebook一起开源的3个程序之一，MultiPath，其代码网址：https://github.com/facebookresearch/multipathnet。文章简介：这篇文章对于COCO数据集中的小目标难检测问题，主要在Fast RCNN detector的基础上进行了改进，获得了新的detector：MultiPath detector。思想上改进如下：（1）在

对于deep CNN网络的应用，在训练数据的数目有限时，往往在大数据集上预训练再在目标任务中微调的方法进行解决。但是在在线视觉跟踪问题（online visual tracking）中，有ground truth 标签的训练数据仅仅在第一帧中，通过在后续序列视频中更新tracker得到跟踪结果，因此，数据太少，用一个预训练模型进行微调的方法太容易产生过拟合。本文因而提出sequential tra

ECCV 2016的文章，首先建立了一个从上到下照的车辆影像数据集（即鸟瞰视角），并提出ResCeption神经网络进行训练，进一步建立residual learning with Inception-style layers，进行车辆数目的计算。该方法为车辆数目的计算的一种新方式：通过定位和密度估计方法。

李飞飞组的文章，是一篇很有意思的文章，主要介绍了一种CNN解决密集字幕任务的方法。密集字幕任务主要含两个方面： （1）单个单词描述的目标检测任务；（2）对整个图像的一个预测区域的字幕标注任务。

为了目标检测精度和速度的进一步提高，在CVPR2016上各种算法可谓各显神通。今天要说的G-CNN就和YOLO算法类似，着重于速度的提升进行检测算子的改进。而与YOLO不同的是，改算法着眼于初始化proposal数量的减少，使得数以万计的proposal变成极少的初始格网，通过后面不停迭代获得最终较为准确的bbox。

提出的HyperNet网络基于设计的Hyper特征，这种特征主要先集合分等级的特征图，然后将其压缩到一个空间。这种Hyper特征同时具有足够深和很好的语义信息，在PASCAL VOC 2007和2012上可以通过每张图产生仅仅100个proposal，而达到很好的精度和效果，同时可以达到实时，GPU下 5 fps的速度。Hyper方法主要的贡献有： （1）在仅仅 50 proposal情况下，可达

话不多说开始总结，作为新一个快速高效的目标检测算法，SSD结合了Faster RCNN和YOLO 算法。本文主要提出的贡献有以下几点：（1）提出SSD算法，比YOLO算法更加迅速，同时和速度较慢的运行region proposal与pooling的算法的精度一样好（包括faster R-CNN） （2）SSD算法的核心是通过使用在特征图上的小卷积滤波器，来预测类别置信度和一系列有误差的boundi

UberNet : Training a ‘Universal’ Convolutional Neural Network for Low-, Mid-, and High-Level Vision using Diverse Datasets and Limited Memory这是一篇很有意思的文章，将CNN的许多用途一起结合训练一个网络进行，实现CNN的：boundary det

今天注意到同组小伙伴写的YOLO的笔记，十分详细，内容丰富，特地和他说了后转载，留着自己也学习一下。相比我之前介绍的YOLO笔记，他的介绍更适合仔细学习，而我原来的适合整体了解。同时，许多训练时的情况的加入，也便于大家的交流学习。原博客地址：http://blog.youkuaiyun.com/u010167269/article/details/52457723 欢迎大家和他或者和我交流~Prefa

最新看到的一篇关于多尺度下快速目标检测的论文，大概得浏览了一下，是UCSD大学的SVCL实验室和IBM研究院一起研究的结果。其代码已经开源到GitHub，链接为：https://github.com/zhaoweicai/mscnn这篇文章主要解决多尺度同时存在时的检索问题，设计了MSCNN网络，提出了两点创新：（1）针对多尺度问题：   类似于FCNT跟踪方法，该文章也是观察

同样是ICCV 2015的文章，并且与上一篇介绍的FCNT方法不谋而合，都提到了VGG网络不同卷积层提取到的特征类型的不同。理论基础：低层网络包含更高空间分辨率的低维视觉信息，可以用于精确的定位，类似于Gabor滤波器；而高层网络获取到更多语义类别信息，相对空间信息少。本文利用高层的语义信息来处理目标外形的变化问题，同时用低层信息进行精准定位。算法结构：（1）首

看了这波作者的第二篇文章，不知不觉还是想看看他们的第一篇，ICCV2015的文章。

在TLD（Tracking-by -Detection）算法中，多目标跟踪问题里用之前的跟踪目标学习到的特征，直接对新的视频进行跟踪，一直是一个巨大的难点。本文作者将在线的多目标跟踪问题规划成一个Markov Decision Processes（MDP）中的决策，将每一个目标建立一个MDP模型，来进行解决。在MDP中，学习一个policy主要涉及学习相似数据的关联性，policy learn