首页 > TAG信息列表 > CVPR2019
FSAF：嵌入anchor-free分支来指导acnhor-based算法训练 | CVPR2019
FSAF深入地分析FPN层在训练时的选择问题，以超简单的anchor-free分支形式嵌入原网络，几乎对速度没有影响，可更准确的选择最优的FPN层，带来不错的精度提升 来源：晓飞的算法工程笔记 公众号 论文: Feature Selective Anchor-Free Module for Single-Shot Object Detection 论文地址快速人体姿态估计：CVPR2019论文阅读
快速人体姿态估计：CVPR2019论文阅读 Fast Human Pose Estimation 论文链接： http://openaccess.thecvf.com/content_CVPR_2019/papers/Zhang_Fast_Human_Pose_Estimation_CVPR_2019_paper.pdf 摘要 现有的人体姿态估计方法通常只考虑如何提高模型的泛化性能，而忽略了显著的效率问题。GHM论文笔记（CVPR2019）
目录 作者要解决的问题 Focal loss(CVPR2017) Focal loss的解决方案 Focal loss的不足 设计思路 梯度与样本的关系 梯度分布计算方法：将0-1的梯度切bin，计算每个bin内落入的样本数量。 梯度模计算方法 改进 最终结果 作者要解决的问题 仍然是one-stage中的一个经典问题，正负cvpr2019_Unsupervised Person Re-identification by Soft Multilabel Learning
很好的一篇文章，不愧是reid大组中山大学Weishi-Zheng老师的工作 文章的基本出发点很有意思：用source domain的feature做作为参考，衡量target domain images是否相似，从而构成正负样本进行contrasive learning和domain adaption。这就为target images建立了一个可以比较的参考系。CVPR2019跟踪算法SiamMask的配置（Fast Online Object Tracking and Segmentation: A Unifying Approach）
1、代码下载地址： https://github.com/foolwood/SiamMask/ 2、解压后进入工程路径 cd ~/Codes/SiamMask-master/ 3、将当前路径设置成环境变量 export SiamMask=$PWD 4、设置python环境 conda create -n siammask python=3.5.2 source activate siammask pip install -r reqCVPR2019 论文解读| BASNet：关注边界的显著性目标检测
作者 | 文永亮 学校 | 哈尔滨工业大学（深圳） 研究方向 | 目标检测 概要 这是一篇发表于CVPR2019的关于显著性目标检测的paper，《BASNet：Boundary-Aware Salient Object Detection》[1]显而易见的就是关注边界的显著性检测，主要创新点在loss的设计上，使用了交叉熵、结构相似性损失、Io[论文笔记] (CVPR2019) Panoptic Feature Pyramid Networks
[论文笔记] (CVPR2019) Panoptic Feature Pyramid Networks[论文笔记] (CVPR2019) Structured Knowledge Distillation for Semantic Segmentation
[论文笔记] (CVPR2019) Structured Knowledge Distillation for Semantic Segmentation[论文笔记] (CVPR2019) Panoptic Segmentation
[论文笔记] (CVPR2019) Panoptic SegmentationCVPR2019 | 步步为营！通过迭代式模糊核预测提高超分辨质量
基于迭代模糊核修正的盲超分辨方法 本文解读一篇由港中文(深圳)与哈工大合作发表在CVPR2019的超分辨方向的论文，该工作与几篇近年的文章密切相关，相关部分我已在文中做了必要的说明和解释，更多细节可点击此处深入了解。 1.研究动机 超分辨研究旨在用低分辨图片恢复其对应的高论文阅读笔记五十四：Gradient Harmonized Single-stage Detector（CVPR2019）
论文原址：https://arxiv.org/pdf/1811.05181.pdf github:https://github.com/libuyu/GHM_Detection 摘要 尽管单阶段的检测器速度较快，但在训练时存在以下几点不足，正负样本之间的巨大差距，同样，easy,hard样本的巨大差距。本文从梯度角度出发，指出了上面两个不足带来的影CVPR2019 | 超越Mask R-CNN！华科开源图像实例分割新方法MS R-CNN
安妮 乾明 发自 凹非寺 本文转载自量子位(QbitAI) 实习生又立功了！ 这一次，亮出好成绩的实习生来自地平线，是一名华中科技大学的硕士生。 他作为第一作者完成的研究Mask Scoring R-CNN，在COCO图像实例分割任务上超越了何恺明的Mask R-CNN，拿下了计算机视觉顶会CVPR 2019的口头报告。2019CVPR文章资源
CVPR2019会议信息如下： CVPR2019一共收到5165篇有效投递，一共接收了1300篇。 mark一下2019CVPR论文的资源以便后续学习。https://github.com/extreme-assistant/cvpr2019