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。
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。
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。
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
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
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
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
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