10 2018 档案

摘要:论文阅读(【CVPR2018】Jinshan Pan - Learning Dual Convolutional Neural Networks for Low-Level Vision) 本文针对低层视觉问题,提出了一般性的用于解决低层视觉问题的对偶卷积神经网络。作者认为,低层视觉问题,如常见的有 阅读全文
posted @ 2018-10-31 15:49 SuperLab 阅读(787) 评论(0) 推荐(0)
摘要:概述 STDN是收录于CVPR 2018的一篇目标检测论文,提出STDN网络用于提升多尺度目标的检测效果。要点包括:(1)使用DenseNet-169作为基础网络提取特征;(2)提出Scale-transfer Layer,在几乎不增加参数量和计算量的情况下生成大尺度的feature map。 ST 阅读全文
posted @ 2018-10-30 20:30 SuperLab 阅读(433) 评论(0) 推荐(0)
摘要:An end-to-end TextSpotter with Explicit Alignment and Attention 论文下载:http://cn.arxiv.org/pdf/1803.03474代码下载:https://github.com/tonghe90/textspotter 1方 阅读全文
posted @ 2018-10-30 20:25 SuperLab 阅读(1736) 评论(0) 推荐(0)
摘要:文章:Deep Clustering for Unsupervised Learning of Visual Features 作者:Mathilde Caron, Piotr Bojanowski, Armand Joulin, and Matthijs Douze 来自于:Facebook AI 阅读全文
posted @ 2018-10-25 09:34 SuperLab 阅读(10995) 评论(1) 推荐(3)
摘要:导读: 本文为CVPR2018论文《Deep Adversarial Subspace Clustering》的阅读总结。目的是做聚类,方法是DASC=DSC(Deep Subspace Clustering)+GAN(Generative Adversarial Networks)。本文从以下四个 阅读全文
posted @ 2018-10-24 10:28 SuperLab 阅读(2108) 评论(0) 推荐(0)
摘要:目录: 相关链接 方法亮点 相关工作 方法细节 实验结果 总结与收获 相关链接 论文:https://arxiv.org/abs/1803.02077 代码:https://github.com/roimehrez/contextualLoss 方法亮点 文章主要提出了一个新的损失函数Context 阅读全文
posted @ 2018-10-23 16:58 SuperLab 阅读(1086) 评论(0) 推荐(0)
摘要:目录 相关链接 方法亮点 相关工作 方法细节 实验结果 总结与收获 参考文献 相关链接: 论文:https://arxiv.org/abs/1808.00948 代码:https://github.com/HsinYingLee/DRIT 方法亮点: 提出一个内容判别器,用于判断编码器生成的图片内容 阅读全文
posted @ 2018-10-23 16:54 SuperLab 阅读(4422) 评论(1) 推荐(0)
摘要:文章地址:https://ieeexplore.ieee.org/document/8387526 出自:IEEE Trans. on Pattern Analysis and Machine Intelligence, 2018. 本文是对《Binary Multi-View Clustering 阅读全文
posted @ 2018-10-22 20:57 SuperLab 阅读(3156) 评论(2) 推荐(0)
摘要:文章提出了一种分布式聚类的算法,这是第一个有理论保障的考虑离群点的分布式聚类算法(文章里自己说的).与之前的算法对比有以下四个优点: 1.耗时短O(max{k,logn}*n), 2.传递信息规模小:对抗分区O(klogn+t),随机分区O(klogn+t/s) 3.算法有良好的近似保证, 4.能够 阅读全文
posted @ 2018-10-17 11:23 SuperLab 阅读(576) 评论(0) 推荐(0)
摘要:TextSnake: A Flexible Representation for Detecting Text of Arbitrary Shapes ECCV2018 北京大学、face++ 思路: 预测文本区域与连接方向,串起来 Pipeline: 网络细节: 1.基础网络采用VGG16 2.输 阅读全文
posted @ 2018-10-17 10:21 SuperLab 阅读(1483) 评论(0) 推荐(0)
摘要:以下内容将介绍ECCV2018的一篇目标检测的文章《CornerNet: Detecting Objects as Paired Keypoints》。该文章讲述了一个老子就是不用anchor boxes的还能做目标检测的故事。对了据说代码公布了(反正我下载的时候里面是缺东西的)。 这篇文章为什么让 阅读全文
posted @ 2018-10-17 10:15 SuperLab 阅读(613) 评论(0) 推荐(0)