CVPR 2017最佳论文

2017 CVPR最佳论文

• Densely Connected Convolutional Networks。

  论文网址：https://arxiv.org/abs/1608.06993

  该论文提出一种DenseNet模型，实现了CNN中每一层都以前馈的方式与其他层相连。传统的CNN模型中，L层的网络有L个连接，而对于DenseNet模型，则具有L(L+1)/2个连接。对于每一层，它之前的所有层的特征图都是输入，而它的特征又是之后所有层的输入。DenseNet模型的典型优点是：减轻了梯度消失问题、加强了特征传播、鼓励特征复用、减少参数数量。

• Learning from Simulation and Unsupervised Images through Adversarial Training。

  论文网址：https://arxiv.org/pdf/1612.07828.pdf

  该论文为减小合成图像和实际图像在分布上存在的差异，提出了模拟+无监督（S+U）学习的方式，其任务是通过非标注的真是数据来学习一个模型，从而增强模拟器输出的真实性，同时保留模拟器中的标准信息。论文通过S+U学习方式，开发了一种类似对抗生成网络（GANs）的方法，使用合成图像作为输入而不是随机向量。此论文为保留注释、避免失真和稳定训练，对标准GAN算法进行了关键性修改，具体包括：一个自正则化项、一个局部对抗性损失、使用图像改善历史来更新鉴别器。该方法能够生成高真实度的图像，并通过定性和用户研究得到证明。