首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >8篇CVPR2019论文开源合集(含CNN/目标检测/GAN/超分辨率/行人检测/文本检测等)

8篇CVPR2019论文开源合集(含CNN/目标检测/GAN/超分辨率/行人检测/文本检测等)

作者头像
Amusi
发布2019-06-05 14:21:36
3.7K0
发布2019-06-05 14:21:36
举报
文章被收录于专栏:CVerCVer

前言

CVer 之前推了上百篇CVPR 2019论文,部分内容如下:

CVPR2019 | 12篇目标检测最新论文(FSAF/GS3D/Libra R-CNN/Stereo R-CNN和GIoU等)

CVPR2019 | 60 篇论文速递(涵盖目标检测、语义分割和目标跟踪和GAN等方向)

CVPR2019 | 10篇论文速递(涵盖全景分割、实例分割和姿态估计等方向)

8篇CVPR2019论文开源合集(含3D目标检测/目标跟踪/语义分割和实例分割)

本文将分享收集到的CVPR 2019 已开源paper,并将内容同步上传到 CVPR2019-Code上。如果想第一时间了解开源代码,那么大家 star/fork即可(点击阅读原文,也可直接访问):

https://github.com/amusi/CVPR2019-Code

本文介绍开源的CV方向主要有:CNN、目标检测、GAN、超分辨率、行人检测等。

CNN

Pixel-Adaptive Convolutional Neural Networks

作者团队:UMass Amhers & NVIDIA

arXiv:https://arxiv.org/abs/1904.05373

github:https://github.com/NVlabs/pacnet

Abstract:本文提出了像素自适应卷积(pixel-adaptive convolution,PAC)操作,这是对标准卷积的简单而有效的修改,其中 filter 权重乘以取决于可学习的局部像素特征的空间变化内核。当PAC用于深度联合图像上采样时,表现了SOTA。 PAC还提供了一种有效的替代方案,可以替代完全连接的CRF(Full-CRF),称为PAC-CRF,它具有更强的性能,同时速度更快。

Multi-Label Image Recognition with Graph Convolutional Networks

作者团队:南京大学&旷视科技等

arXiv:https://arxiv.org/abs/1904.03582

github:https://github.com/chenzhaomin123/ML_GCN

Abstract:本文提出了一种基于图形卷积网络(GCN)的多标签分类模型。该模型在对象标签上构建有向图,其中每个节点(标签)由标签的单词嵌入表示,并且学习GCN以将该标签图映射到一组相互依赖的对象分类器。这些分类器应用于由另一个子网提取的图像描述符,使整个网络能够端到端训练。此外,我们提出了一种新的重新加权方案,以创建有效的标签相关矩阵,以指导GCN中节点之间的信息传播。对两个多标签图像识别数据集的实验表明,我们的方法明显优于其他现有的最先进的方法。此外,可视化分析表明,我们的模型学习的分类器保持了有意义的语义拓扑。

目标检测

Generalized Intersection over Union: A Metric and A Loss for Bounding Box Regression

作者团队:斯坦福大学&Aibee等

arXiv:https://arxiv.org/abs/1902.09630

github:https://github.com/generalized-iou/g-darknet

Abstract:通过将通用IoU(GIoU)作为一种损失引入最先进的目标检测框架,我们使用基于标准,基于IoU和基于GIoU的新的性能度量对流行目标检测 benchmark 的性能进行了一致的改进检测基准,如PASCAL VOC和MS COCO。

GAN

Mode Seeking Generative Adversarial Networks for Diverse Image Synthesis

作者团队:北京大学&加州大学等

arXiv:https://arxiv.org/abs/1903.05628

github:https://github.com/HelenMao/MSGAN

超分辨率

Feedback Network for Image Super-Resolution

作者团队:四川大学&加州大学等

arXiv:https://arxiv.org/abs/1903.09814

github:https://github.com/Paper99/SRFBN_CVPR19

Re-ID

Unsupervised Person Re-identification by Soft Multilabel Learning

作者团队:中山大学&腾讯优图等

paper:https://kovenyu.com/papers/2019_CVPR_MAR.pdf

github:https://github.com/KovenYu/MAR

行人检测

High-level Semantic Feature Detection: A New Perspective for Pedestrian Detection

作者团队:国防科学技术大学等

arXiv:https://arxiv.org/abs/1904.02948

github:https://github.com/liuwei16/CSP

场景文本检测

Shape Robust Text Detection with Progressive Scale Expansion Network

作者团队:南京大学&同济&南理工&Momenta等

arXiv:https://arxiv.org/abs/1903.12473

github:https://github.com/whai362/PSENet

如果想第一时间了解CVRP 2019的相关开源代码,欢迎大家大家 star/fork CVPR2019-Code (点击阅读原文,也可直接访问):

https://github.com/amusi/CVPR2019-Code

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-06-01,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 CVer 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • CNN
  • 目标检测
  • GAN
  • 超分辨率
  • Re-ID
  • 行人检测
  • 场景文本检测
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档