- 博客(0)
- 资源 (40)
- 收藏
- 关注
RSS订阅IntroVAE Introspective Variational Autoencoders for Photographic Image Synthesis
近日，自动化所智能感知与计算研究中心提出一种新的深度生成模型——自省变分自编码器(Introspective Variational Autoencoder，IntroVAE)，用来实现高清图像等高维数据的无条件生成(unconditional generation)。该模型一方面在不引入额外的对抗判别器的情况下，克服了变分自编码器固有的合成图像趋于模糊的问题；另一方面在不使用常用的多阶段多判别器策略下，实现了高分辨率图像合成的稳定训练。实验结果表明，该模型不仅能够稳定生成高分辨率照片级图像(比如1024x1024的人脸图像)，而且在生成模型常用的量化指标上取得了目前最好的结果。
2018-10-10
You Only Look Twice Rapid Multi-Scale Object Detection In Satellite Imagery
CV中的目标物体识别进步非常快，但是想对卫星图像进行目标识别仍然困难重重。美国研究者就提出了一种方法——You Only Look Twice，能清晰地看到卫星图像中的汽车、飞机场上的飞机及建筑物，并开放了代码（见文末）。
2018-09-28
Taskonomy Disentangling Task Transfer Learning
研究任务之间的联系才是做迁移学习的正确姿势。研究了一个非常新颖的课题，那就是研究视觉任务之间的关系，根据得出的关系可以帮助在不同任务之间做迁移学习。相比于我们看惯了的在为各种任务刷分的研究，这篇论文可谓是一股计算机视觉领域的春风。
2018-09-28
Exchanging Latent Encodings with GAN for Transferring Multiple Face Attributes
本文提出的ELEGANT 模型克服了以往基于深度神经网络做人脸属性迁移方法的缺点，实现基于交换隐层编码和残差学习的人脸属性迁移。
2018-09-28
Temporal Action Proposal Generation and Detection in Videos.
南加州大学的高继扬博士关于时序动作检测的分享，为大家分享视觉领域内的干货及经验
2018-09-28
Recurrent Squeeze-and-Excitation Context Aggregation Net for Single Image
图像中雨水条纹会严重降低能见度，导致许多当前的计算机视觉算法无法工作，比如在自动驾驶场景下图像去雨就变得非常重要。本文提出了一种基于深度卷积和递归神经网络的新型深度网络体系结构，用于单图像去雨。
2018-09-28
CornerNet Detecting Objects as Paired Keypoints文档与Pytorch源码
密歇根大学Hei Law等人在发表ECCV2018的一篇论文，提出CornerNet模型预测目标边界框的左上角和右下角一对顶点，即 使用单一卷积模型生成热点图和连接矢量。
2018-09-28
图像语义分割网络：SegNet
发表SegNet网络的论文为：Badrinarayanan V, Kendall A, Cipolla R.SegNet: A Deep Convolutional Encoder-Decoder Architecture for SceneSegmentation[J]. IEEE Transactions on Pattern Analysis & MachineIntelligence, 2017, PP(99):1-1。
来源于美国加州大学伯克利分校的这项工作为语义分割引入了端到端的全卷积网络，在构建的网络结构中，重新利用ImageNet的预训练网络用于语义分割，并使用了反卷积层进行上采样并且引入跳跃连接来改善上采样粗糙的像素定位。
2018-09-28
图像语义分割网络：FCN
FCN网络发表于Long J, ShelhamerE, Darrell T. Fully convolutional networks for semantic segmentation[C]//Computer Vision and Pattern Recognition. IEEE, 2015:3431-3440。
起源于美国加州大学伯克利分校的这项工作为语义分割引入了端到端的全卷积网络，在网络结构中，重新利用ImageNet的预训练网络用于语义分割，使用了反卷积层进行上采样并且引入跳跃连接来改善上采样粗糙的像素定位。
2018-09-28
Pervasive Attention 2D Convolutional Neural Networks for Sequence-to-Sequence
它提出了一种序列到序列预测的新方法，无需编码器和解码器，只用一个2D卷积神经网络就能超过现有方法的性能。
2018-09-28
Learning Efficient Single-stage Pedestrian Detectors by Asymptotic Localization
本文由中科院自动化所和国防科大合作发表于ECCV2018，面向行人检测实时应用，提出了一种基于渐近定位拟合的行人检测器，在获得速度优势的同时具有更高的定位精度。
2018-09-27
Dual Attention Network for Scene Segmentation文档及源码
双重注意力网络：中科院自动化所提出新的自然场景图像分割框架（附源码）。本文提出了一个新的自然场景图像分割框架，以往的方法更为灵活、有效，在三个场景分割数据集Cityscapes、PASCAL Context 和 COCO Stuff上取得了当前最佳分割性能。
2018-09-27
Learning to Segment Every Thing
本文是对何恺明CVPR 2018的目标分割工作解读，同时作者基于时间顺序及相关paper总结了语义分割的结构演变历程。
2018-09-27
吴恩达《Machine Learning Yearning》
和吴恩达其他课类型不同，这本书并不属于教材型读物，更偏向于实战经验技巧的汇总，共分成57个小节，每节从示例入手，推荐干货技巧。
2018-09-27
机器学习模型设计时必须有的数据集MNIST database
MNIST是一个入门级的计算机视觉数据集，它包含各种手写数字图片。它也包含每一张图片对应的标签，告诉我们这个是数字几。
2018-09-18
图像局部特征的提取与描述方法研究_宋铁成
随着信息技术的发展，人们获取图像的种类和数量急剧增加，让计算机自动
完成图像的分析和理解成为一项重要并且紧迫的任务。其中，图像特征的提取与表达，作为图像分析和理解的第一步，是解决图像匹配、分类和检索等诸多视觉任务的基础和关键步骤。由于局部特征对于背景干扰、物体遮挡和成像视角等具有一定的鲁棒性，并且提供了一种具有统计意义的图像内容表示， 研究局部特征具有重要意义。
2018-08-27
手指多模态Gabor编码特征局部融合方法研究_卢中宁
鲁棒性特征提取一直是生物特征识别领域研究的一个重要问题。由于手指姿态易变，这个问题在手指多模态生物特征描述方面显得更为突出。为了较为稳定地刻画手指多模态生物特征信息，本文提出了一种新的基
于 Gabor 特征编码的局部灰度特征提取方法。
2018-08-27
快速局部图像特征提取方法研究_田甜
博士学位论文
特征提取是很多计算机视觉应用的基础，在图像匹配及配准、目标识别与跟踪等方面都发挥着重要的作用。近年来，随着价格低廉、带摄像头的移动设备的普及，计算机视觉算法也在向着更加快速、高效的方向发展，以满足在低计算力、低存储力设备上运行的要求。传统的特征提取算法在特征描述效果上虽已取得了一定成果，但这些算法大多计算复杂度高，不能满足实时应用的需求。研究算法简单、速快、满足一定应用要求的局部特征提取算法，已经是该领域内亟待解决的问题。
2018-08-27
多模态鲁棒的局部特征描述符_赵春阳
针对基于灰度的局部特征匹配方法对图像对比度变化敏感，导致在多模态图像配准应用中性能大幅下降的问题，提出了一种多模态鲁棒的局部特征描述符和匹配方法。
2018-08-27
摄影测量与深度学习_龚健雅
深度学习正逐渐占领与“学习”相关的诸多研究领域，也对摄影测量这门学科造成冲击和促进。根据摄影测量学的定义：“利用光学像片研究被摄物体的形状、位置、大小、特性及相互位置关系”，其研究对象包括几何与语义。本文从这两个方面回顾和探讨深度学习目前的应用现状，并对其影响下的摄影测量的发展进行展望。
2018-08-27
利用对象光谱与纹理实现高分辨率遥感影像云检测方法
针对高分辨率遥感影像云检测过程中合适的云检测光谱阈值难以确定及影像中类云地物对云检测精度影响的问题，提出一种基于对象光谱与纹理的高分辨率遥感影像云检测方法。首先，对影像进行直方图均衡化处理，根据均衡化影像直方图获得合适的影像云检测光谱阈值。其次，用简单线性迭代聚类算法对影像进行分割生成分割对象，以对象为处理单元，根据云检测光谱阈值和对象光谱属性对对象进行云检测过滤，获得初始云检结果。
2018-08-27
利用词向量模型分析城市道路交通空间相关性
刻画城市道路之间的交通相关性是提高交通插值及预测水平的基础。现有研究及应用通常假设一定空间或拓扑距离内的道路相互之间具有相关性，这种方式忽视了道路之间交通影响的时空异质性。例如，上游道路交通流通常不会均匀扩散到所有下游道路，而是集中在特定方向上。道路之间产生交通影响和交互作用的根本原因是大量机动车辆穿梭其中。
2018-08-27
立交桥识别的CNN卷积神经网络法
ＯＳＭ数据中立交桥结构的识别和分类，能够为构建多尺度模型、导航和位置服务、拥堵分析等提供重要信息。传统的立交桥识别方法依赖于人工设计的低层次特征，无法有效区分存在干扰路段的复杂立交桥结构。本文针对当前算法抗差性上存在的不足，提出了一种新的基于卷积神经网络的立交桥识别方法。
2018-08-27
结合像元级和目标级的高分辨率遥感影像建筑物变化检测
快速、精准的建筑物变化检测对城市规划建设等业务管理具有重要意义。随着卫星遥感技术的
快速发展，基于高分辨率遥感影像的建筑物变化检测得到了广泛关注。针对像元级建筑物变化检测方法往往精度不足而目标级建筑物变化检测方法过程烦琐等问题，本文提出结合像元级和目标级的高分辨率遥感影像建筑物变化检测方法。
2018-08-27
高分辨率遥感影像场景的多尺度神经网络分类法
高分辨率遥感影像场景分类是实现复杂场景快速自动识别的基础，在军事、救灾等领域有十分重要的意义。为了在有限的遥感数据集上获得高识别精度，本文提出了一种基于联合多尺度卷积神经网络模型的高分辨率遥感影像场景分类方法。
2018-08-27
统计学习方法 [笔记, 代码, notebook, 参考文献, Errata]
《统计学习方法》全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法等，可以说是机器学习的入门和进阶宝典，值得反复研读，本文是对本书的研读笔记、代码解析等。
2019-03-11
PyTorch 模型训练实用教程（附代码及原文下载）
自 2017 年 1 月 PyTorch 推出以来，其热度持续上升，一度有赶超 TensorFlow 的趋势。PyTorch 能在短时间内被众多研究人员和工程师接受并推崇是因为其有着诸多优点，如采用 Python 语言、动态图机制、网络构建灵活以及拥有强大的社群等。因此，走上学习 PyTorch 的道路已刻不容缓。
本教程以实际应用、工程开发为目的，着重介绍模型训练过程中遇到的实际问题和方法。如上图所示，在机器学习模型开发中，主要涉及三大部分，分别是数据、模型和损失函数及优化器。本文也按顺序的依次介绍数据、模型和损失函数及优化器，从而给大家带来清晰的机器学习结构。
2018-12-20
Richer Convolutional Features for Edge
最近，南开大学提出一种边缘检测和图像分割算法，被称为首个在图像分割数据集BSDS500上F值（F-Feature）超越数据集本身人工标注平均值的实时算法。目前算法已经开源，跟着本文一起了解下。压缩包里有文档也有代码，还有博客地址。
2018-10-31
python_igraph-0.7.1.post6-cp36-cp36m-win_amd64
python用于画图表模块，直接pip install igraph，能成功但是总会报错，需要更新。多次上网搜索说是应该安装python_igraph。就去相应网址找到相应版本，发现打不开。
2018-10-31
学习超分辨率技术及未来发展趋势
在这篇文章中，亲历了ECCV 2018的机器学习研究员Tetianka Martyniuk挑选了5篇ECCV 2018接收论文，概述了超分辨率（Super-Resolution, SR）技术的未来发展趋势。
2018-10-18
Detecting and Recognizing Human-Object Interactions
要理解视觉世界，机器不仅必须识别单个目标，还必须识别它们是如何交互的。本文提出了一种新的模型，挑战日常照片中检测⟨人类、动词、目标⟩三元组的任务。
2018-10-12
Discovery of Latent 3D Keypoints via End-to-end Geometric Reasoning
关键点检测是许多计算机视觉任务的基础，如人脸识别、动作检测和自动驾驶等。来自Google AI的Supasorn Suwajanakorn等人带来了关于3D关键点检测的一种新方法：端到端几何推理。
2018-10-11
Faster Training of Mask R-CNN by Focusing on Instance Boundaries
这篇论文很简单，但给出的结论很有意思，Edge Agreement Head相当于提供了更多的监督信息，为深度网络指了一个方向，少走一些弯路。尤其在训练早期，网络更容易迷茫的时候就更需要指条明路。
尤其值得一提的是，很显然边缘信息可以有助于所有图像像素级理解的应用，比如深度估计、光流计算等，大家不妨一试。
2018-10-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人