Skip to content

Commit

Permalink
add 2018-07-31
Browse files Browse the repository at this point in the history
  • Loading branch information
@amusi
amusi committed Jul 31, 2018
1 parent 8867b0c commit 3c38a60
Show file tree
Hide file tree
Showing 2 changed files with 45 additions and 19 deletions.
24 changes: 24 additions & 0 deletions 2018/07/31.md
View file
Original file line number Diff line number Diff line change
@@ -0,0 +1,24 @@
**2018-07-31**

这篇文章介绍两篇 ECCV 2018最新的 paper，一篇提出semi-convolutional等创新点来改进Mask RCNN；另一篇是提出CrossNet，一种使用跨尺度变形的端到端和全卷积深度神经网络，实现超分辨率。

# Instance Segmentation

**《Semi-convolutional Operators for Instance Segmentation》**

ECCV 2018

Abstract：目标检测（Object detection）和实例分割（instance segmentation）由基于区域的方法（例如Mask RCNN）主导。然而，人们越来越关注将这些问题减少到像素标记任务，因为后者可以更高效，可以在许多其他任务中使用的图像到图像（image-to-image）网络架构中无缝集成，并且对于不能由边界框近似的目标更加准确。在本文中，我们从理论和经验上表明，使用卷积算子不能轻易地实现构建可以分离对象实例的 dense pixel embeddings 。同时，我们表明简单的修改，我们称之为 semi-convolutional，其在这项任务中有更好的表现。我们证明了这些算子也可用于改进Mask RCNN等方法，展示了比单独使用Mask RCNN可实现的复杂生物形状和PASCAL VOC类别更好的分割。

arXiv：https://arxiv.org/abs/1807.10712

# Super Resolution


**《CrossNet: An End-to-end Reference-based Super Resolution Network using Cross-scale Warping》**

ECCV 2018

Abstract：The Reference-based Super-resolution (RefSR) super-resolves a low-resolution (LR) image given an external high-resolution (HR) reference image，其中参考图像和LR图像共享相似的视点但具有显著的分辨率间隙 x8。现有的RefSR方法以级联的方式工作，例如 patch匹配，然后是具有两个独立定义的目标函数的合成 pipeline，导致inter-patch misalignment，grid effect and inefficient optimization。为了解决这些问题，我们提出了CrossNet，一种使用跨尺度变形的端到端和全卷积深度神经网络。我们的网络包含图像编码器（encoder），cross-scale warping layers和融合解码器（decoder）：编码器用于从LR和参考图像中提取多尺度特征;cross-scale warping layers在空间上将参考特征图与LR特征图对齐;解码器最终聚合来自两个域的特征映射以合成HR输出。使用跨尺度变形，我们的网络能够以端到端的方式在像素级执行空间对齐，从而改善现有方案的精度（大约2dB-4dB）和效率（超过100倍） 。

arXiv：https://arxiv.org/abs/1807.10547
40 changes: 21 additions & 19 deletions README.md
View file
Original file line number Diff line number Diff line change
Expand Up @@ -3,45 +3,47 @@

## 日记

[2018-05-16](2018/05/16.md): 4篇论文，涉及单目图像深度估计、6-DoF跟踪、图像合成和动作捕捉等方向（含1篇CVPR 2018论文和1篇ICRA 2018论文）
[2018-07-31](2018/07/31.md): 2篇论文速递， 都是ECCV 2018 paper，一篇提出semi-convolutional等创新点来改进Mask RCNN；另一篇是提出CrossNet，一种使用跨尺度变形的端到端和全卷积深度神经网络，实现超分辨率。

[2018-05-19](2018/05/19.md): 4篇论文，涉及人脸识别（综述）、人脸检测、3D 目标检测和姿态估计和目标检测等方向（含2篇CVPR 2018）。
[2018-07-27](2018/07/27.md): 2篇论文速递， 都是ECCV 2018 paper，一篇提出对目标周围的视觉上下文建模，来实现目标检测数据集的增广；另一篇是提出一种综合贝叶斯模型，该模型连贯地推理观察到的图像，身份，名称的部分知识以及每个观察的情境背景。

[2018-05-22](2018/05/22.md): 4篇论文，涉及图像分割、视频分割、目标追踪和异常检测等方向。
[2018-07-23](2018/07/23.md): 2篇论文速递， 都是ECCV 2018 paper，一篇提出卷积块注意力模块，它可以无缝地集成到任何CNN架构中；另一篇是利用 GAN技术实现多视图3D重建。

[2018-05-24](2018/05/24.md): 4篇论文，涉及活体检测、SFM、视差估计、Zero-short Learning和3D shape等方向。
[2018-07-19](2018/07/19.md): 2篇论文速递，都是ECCV 2018 paper，一篇关于语义分割方向，另一篇是关于深度预测方向。

[2018-05-29](2018/05/29.md): 4篇论文，涉及图像分类、视频分类和语义分割等方向（含一篇ICLR 2018和一篇CVPR 2018）。
[2018-07-07](2018/07/07.md): 2篇论文速递，都是图像分割方向（CVPR 2018），一篇提出CCB-Cut损失，另一篇是对FCN网络进行了改进。注意，两篇都是CVPR 2018文章。

[2018-06-06](2018/06/06.md): 4篇论文，涉及目标跟踪、GAN、Zero-Shot Learning、视频分类和行人重识别等方向（含一篇IJCAI 2018和一篇IROS 2018 submission ）。
[2018-07-06](2018/07/06.md): 2篇论文速递，都是目标检测方向，一篇是RefineNet，其是SSD算法、RPN网络和FPN算法的结合，另一篇是DES，其是基于SSD网络进行了改进。注意，两篇都是CVPR 2018文章。

[2018-06-08](2018/06/08.md): 4篇论文，涉及胶囊网络、迁移学习、优化CNN和手指检测等方向（含一篇NIPS 2017、一篇ICMR 2018和一篇 VCIP 2017 ）。
[2018-07-05](2018/07/05.md): 4篇论文速递，都是GAN方向，包括根据文本生成图像和多域图像生成等方向。其中一篇是IJCAI 2018。

[2018-06-11](2018/06/11.md): 4篇论文，涉及CNN pruning、新的人脸识别数据集、森林树木分类和交通标志检测等方向。
[2018-07-02](2018/07/02.md): 2篇论文速递，都是图像分割方向，包括运动捕捉图像的语义分割、将FCN和GAN结合的巩膜分割。其中一篇是ACM SIGGRAPH 2018，另一篇是BTAS 2018。

[2018-06-13](2018/06/13.md): 4篇论文，都是图像分割（image segmentation）方向，其实3篇是对U-Net网络进行了改进。
[2018-06-29](2018/06/29.md): 4篇论文速递，都是人脸方向，包括人脸识别、人脸表情识别、人脸情绪分类和人脸属性预测。其中一篇是CVPR 2018 workshop。

[2018-06-15](2018/06/15.md): 4篇论文速递，都是人脸方向，包括人脸识别、人脸检测和人脸表情识别。其中一篇是CVPR 2018。
[2018-06-23](2018/06/23.md): 4篇论文速递，都是CVPR 2018论文，包括zero-shot learning、图像合成和图像转换等方向。

[2018-06-19](2018/06/19.md): 4篇论文速递，都是目标检测方向，包括行人检测、车辆检测、指纹检测和目标跟踪等。

[2018-06-23](2018/06/23.md): 4篇论文速递，都是CVPR 2018论文，包括zero-shot learning、图像合成和图像转换等方向。
[2018-06-15](2018/06/15.md): 4篇论文速递，都是人脸方向，包括人脸识别、人脸检测和人脸表情识别。其中一篇是CVPR 2018。

[2018-06-29](2018/06/29.md): 4篇论文速递，都是人脸方向，包括人脸识别、人脸表情识别、人脸情绪分类和人脸属性预测。其中一篇是CVPR 2018 workshop。
[2018-06-13](2018/06/13.md): 4篇论文，都是图像分割（image segmentation）方向，其实3篇是对U-Net网络进行了改进。

[2018-07-02](2018/07/02.md): 2篇论文速递，都是图像分割方向，包括运动捕捉图像的语义分割、将FCN和GAN结合的巩膜分割。其中一篇是ACM SIGGRAPH 2018，另一篇是BTAS 2018。
[2018-06-11](2018/06/11.md): 4篇论文，涉及CNN pruning、新的人脸识别数据集、森林树木分类和交通标志检测等方向。

[2018-07-05](2018/07/05.md): 4篇论文速递，都是GAN方向，包括根据文本生成图像和多域图像生成等方向。其中一篇是IJCAI 2018。
[2018-06-08](2018/06/08.md): 4篇论文，涉及胶囊网络、迁移学习、优化CNN和手指检测等方向（含一篇NIPS 2017、一篇ICMR 2018和一篇 VCIP 2017 ）。

[2018-07-06](2018/07/06.md): 2篇论文速递，都是目标检测方向，一篇是RefineNet，其是SSD算法、RPN网络和FPN算法的结合，另一篇是DES，其是基于SSD网络进行了改进。注意，两篇都是CVPR 2018文章。
[2018-06-06](2018/06/06.md): 4篇论文，涉及目标跟踪、GAN、Zero-Shot Learning、视频分类和行人重识别等方向（含一篇IJCAI 2018和一篇IROS 2018 submission ）。

[2018-07-07](2018/07/07.md): 2篇论文速递，都是图像分割方向（CVPR 2018），一篇提出CCB-Cut损失，另一篇是对FCN网络进行了改进。注意，两篇都是CVPR 2018文章。
[2018-05-29](2018/05/29.md): 4篇论文，涉及图像分类、视频分类和语义分割等方向（含一篇ICLR 2018和一篇CVPR 2018）。

[2018-07-19](2018/07/19.md): 2篇论文速递，都是ECCV 2018 paper，一篇关于语义分割方向，另一篇是关于深度预测方向。
[2018-05-24](2018/05/24.md): 4篇论文，涉及活体检测、SFM、视差估计、Zero-short Learning和3D shape等方向。

[2018-07-23](2018/07/23.md): 2篇论文速递， 都是ECCV 2018 paper，一篇提出卷积块注意力模块，它可以无缝地集成到任何CNN架构中；另一篇是利用 GAN技术实现多视图3D重建。
[2018-05-22](2018/05/22.md): 4篇论文，涉及图像分割、视频分割、目标追踪和异常检测等方向。

[2018-07-27](2018/07/27.md): 2篇论文速递， 都是ECCV 2018 paper，一篇提出对目标周围的视觉上下文建模，来实现目标检测数据集的增广；另一篇是提出一种综合贝叶斯模型，该模型连贯地推理观察到的图像，身份，名称的部分知识以及每个观察的情境背景。
[2018-05-19](2018/05/19.md): 4篇论文，涉及人脸识别（综述）、人脸检测、3D 目标检测和姿态估计和目标检测等方向（含2篇CVPR 2018）。

[2018-05-16](2018/05/16.md): 4篇论文，涉及单目图像深度估计、6-DoF跟踪、图像合成和动作捕捉等方向（含1篇CVPR 2018论文和1篇ICRA 2018论文）

## 顶刊/顶会

Expand Down

0 comments on commit 3c38a60

Please sign in to comment.