何恺明最新论文：VoteNet 3D目标检测，华为提出：基于NAS的人脸识别算法，程明明等开源：PoolNet实时显著性目标检测

前戏

最近论文真的很超级多，而且很多吸睛话题论文：CornerNet-Lite，CenterNet，NAS-FCN等。2019年4月23日，arXiv上放出了很多优质论文：各种顶会paper和顶会“种子”paper。这里为了节省篇幅，Amusi做了论文精选。本文要速递介绍的这三篇论文，Amusi 觉得都是相当具有影响力的paper，相信对你当前的研究会有很大帮助。

本文以论文速递为主，希望对你有点启发。三篇论文缩写如下：

• VoteNet （3D目标检测）
• NAS-A/B/C （人脸识别）
• PoolNet （实时显著性目标检测）

VoteNet

《Deep Hough Voting for 3D Object Detection in Point Clouds》

arXiv: https://arxiv.org/abs/1904.09664

github: None

作者团队：FAIR & 斯坦福

PS：何恺明三作

注：2019年04月23日刚出炉的paper

Abstract：当前的3D目标检测方法受2D目标检测严重影响。为了利用2D检测器中的架构，它们经常将3D点云转换为常规网格，或者依赖于2D图像中的检测来提出3D框。很少有人尝试直接检测点云中的物体。在这项工作中，我们回到第一原则，为点云数据构建一个3D检测pipeline，并尽可能通用。然而，由于数据的稀疏性 - 来自3D空间中的2D流形的样本 - 当从场景点直接预测边界框参数时，我们面临一个主要挑战：3D目标质心可能远离任何表面点，因此很难一步准确回归。为了应对这一挑战，我们提出了VoteNet，一种基于 deep point set 网络和Hough投票协同作用的端到端3D物体检测网络。我们的模型在两个大型真实3D扫描数据集上实现了最先进的3D检测，ScanNet和SUN RGB-D具有简单的设计，紧凑的模型尺寸和高效率。值得注意的是，VoteNet通过使用纯粹的几何信息而不依赖于彩色图像，优于以前的方法。

本文算法（VoteNet）流程图

实验结果

NAS-A/B/C

《Neural Architecture Search for Deep Face Recognition》

arXiv: https://arxiv.org/abs/1904.09523

github: None

作者团队：华为（杭研所）

注：2019年04月23日刚出炉的paper

Abstract：随着电子设备的广泛普及，与传统的密码和模式解锁相比，生物识别技术的出现为用户认证带来了显著的便利。在众多生物特征中，面部是一种普遍且不可替代的特征。人脸识别是电子设备宣传的主要功能之一。该领域以前的工作主要集中在两个方向：转换损失函数以提高传统深度卷积神经网络（Resnet）中的识别精度;将最新的损失函数与轻量级系统（MobileNet）相结合，以最低的精度降低网络尺寸。但这些都没有改变网络结构。随着AutoML的发展，神经网络搜索（NAS）在图像分类基准中表现出了优异的性能。在本文中，我们将NAS技术集成到人脸识别中，以定制更合适的网络。我们引用了神经架构搜索的框架，它交替地训练 child and controller 网络。同时，我们通过将评估延迟纳入强化学习的奖励来改变NAS，并利用策略梯度算法以最经典的交叉熵损失自动搜索体系结构。我们搜索到的网络架构在大规模人脸数据集中具有最先进的精度，在MS-Celeb-1M中达到98.77％准确率，目前第 1，在网络规模相对较小的LFW中达到99.89％。据我们所知，本方法是首次尝试使用NAS解决深度识别问题并在此领域取得最佳效果。

NAS流程图

本文算法（NAS-A/B/C）流程图

实验结果

NAS C 在MS-Celeb-1M数据集上可达98.77%准确率！

NAS C 在LFW数据集上可达99.89%准确率！

PoolNet

《A Simple Pooling-Based Design for Real-Time Salient Object Detection》

arXiv: https://arxiv.org/abs/1904.09569

github: http://mmcheng.net/poolnet/

作者团队：南开大学&新加坡国立大学&深圳大学

PS：程明明三作

注：2019年04月23日刚出炉的paper

Abstract：我们通过研究如何扩展卷积神经网络中池化（pooling）的作用来解决显著目标检测问题。基于U形结构，我们首先在自下而上的路径上构建全局引导模块（GGM），旨在为不同特征层提供潜在显著目标的位置信息。我们进一步设计了一个特征聚合模块（FAM），使粗级语义信息与自上而下的路径中的精细级别特征完美融合。通过在自上而下路径中的融合操作之后添加FAM，来自GGM的粗略特征可以与各种尺度的特征无缝地合并。这两个基于池化的模块允许逐步细化高级语义特征，从而产生细节丰富的显著性映射。实验结果表明，我们提出的方法可以更精确地定位具有锐化细节的显著对象，因此与先前的现有技术相比显著改善了性能。我们的方法也很快，并且在处理300×400图像时可以以超过30 FPS的速度运行。

本文算法（VoteNet）流程图

特征聚合模块（FAM）

实验结果

400x300，32 FPS 舒服！