国庆倒计时、无心上班?看这里。。。

计算机视觉研究院专栏

作者:Edison_G

过了星期三,翻过一座山;到了星期五,再熬一下午!”。在大厂工作的一种心态,但是今天不同,再坚持一天,就是7天小长假,每个人都安耐不住了,但是,在你无心工作的时候,还是可以阅读今天的分享,干货满满!

国庆倒计时、无心上班?看这里。。。_第1张图片

公众号ID|ComputerVisionGzq

学习群|扫码在主页获取加入方式

提前祝大家国庆节快乐!

在长假之前,我们整理了最近分享的集合,希望给有需要的同学带来帮助,给有兴趣的同学提供新视角!点击即可进入链接!

国庆倒计时、无心上班?看这里。。。_第2张图片

d1ae80f76f01e3b2a85ff023bafcc6e9.gif

2021CVPR系列

732821df14b90c2446da15b3445e6f74.gif

  • CVPR2021 | Facebook提出FP-NAS:搜索速度更快、分类精度更高、性能更好

  • CVPR2021佳作 | One-Shot都嫌多,Zero-Shot实例样本分割

  • CVPR2021佳作 | 重新标记ImageNet:从全局标签到局部标签(附github代码及论文)

  • 华为CVPR2021 | 加法网络应用于图像超分辨率(附github源码及论文下载)

  • CVPR2021目标检测 | Weighted boxes fusion(附github源码及论文下载)

  • CVPR2021深度框架训练:不是所有数据增强都可以提升最终精度

  • CVPR2021:IoU优化——在Anchor-Free中提升目标检测精度(附源码)

  • CVPR2021目标检测:少见的知识蒸馏用于目标检测(附论文下载)

  • CVPR21小样本检测:蒸馏&上下文助力小样本检测(代码已开源)

a15203b6698fe317813f2ec223dd3d5d.gif

ae5a7d3e26b5ae8327d9035bb832d2a6.gif

目标检测类

80fa0639c60964ef70adf31ed4ede487.gif

  • PPCNN:细粒度特征提取和定位用于目标检测(附论文下载)

  • Anchor-free目标检测 | 工业应用更友好的新网络(附大量相关论文下载)

  • 带角度的检测框 | 校准的深度特征用于目标检测(附实现源码)

  • 目标检测新框架CBNet | 多Backbone网络结构用于目标检测(附源码下载)

  • 自监督目标检测:不用在ImageNet上训练的目标检测(附论文下载)

  • 特别小的目标检测识别(附论文下载)

  • SSFENet | 增强空间和语义特征用于目标检测(附论文下载)

  • 目标检测 | 基于统计自适应线性回归的目标尺寸预测

  • 新目标检测框架 | 基于改进的one-shot的目标检测

  • 目标检测干货 | 多级特征重复使用大幅度提升检测精度(文末附论文下载)

  • SSD7-FFAM | 对嵌入式友好的目标检测网络,为幼儿园儿童的安全保驾护航

eb03b3486a606460c96aa3e4bcc554fa.gif

6d44b4a71dafe3c6613b07bcccd97e06.gif

四边形检测

5f48f9762348796e14f06bc4bd7319ed.gif

  • 旋转目标检测 | 基于高斯Wasserstein距离损失的目标检测(附源代码)

  • 旋转的检测框 | 校准的深度特征用于目标检测(附实现源码)

  • 带角度的检测框 | 校准的深度特征用于目标检测(附实现源码)

d94566c667080604d377bb9d47af0807.gif

245dc6882dbcca552c9a77453b116131.gif

Yolo系列

0201cdbf5571fc0d64bf0186785d3d5b.gif

  • yolov5部署到iPhone或终端实践全过程(论文源码福利)

  • 除了Yolo的其他选择,轻量级检测网络层出不穷(框架解析及部署实践)

  • YOLOS:通过目标检测重新思考Transformer(附源代码)

  • Yolo的巅峰框架:高效更精确的目标检测框架(附源代码)

  • 又一个YOLO系列新框架!速度远远高于Yolov4(代码已开源)

  • Pad-YoloV5:在便携终端上实时检测不再是难题

  • 不再只有Yolo,现在轻量级检测网络层出不穷(框架解析及部署实践)

  • 超越 YOLOv5,1.3M 超轻量,高效易用,目标检测领域这一个就够了!

  • 实用目标检测器 | 性能超YoloV5,推理耗时不变(附github源码)

  • 超越YOLOv5的PP-YOLOv2和1.3M超轻量PP-YOLO Tiny都来了!(附源码)

  • Yolo框架大改 |  消耗极低的目标检测新框架(附论文下载)

  • 基于DIou改进的YOLOv3目标检测

  • YOLOv4详细分析 | 细数当前最佳检测框架小细节(附论文及源码下载)

  • 全自动实时移动端AI框架 | YOLO-v4目标检测实时手机端实现

  • 推理速度快YOLOV4五倍的YOLObile:通过压缩编译在移动端实时检测(附论文下载)

71392dabf995d99ff852c37f0ae9564d.gif

facf4f24e1222bf5cb74b74ea12270f7.gif

实践

dd851105d93986b2ed635073d27067c7.gif

  • 代码实践 | 都2021年了,回看5分钟前写的代码就这么难吗?

  • yolov5部署到iPhone或终端实践全过程(论文源码福利)

  • 推理实践落地 | 最详细的Pytorch底层算子扩展总结(文末附源码)

  • 分类干货实践 | 重新标注128万张ImageNet图片:多标签,全面提升模型性能

  • 干货实践 | Anchor优化后在目标检测提升这么明显

  • 优化实践 | 大改ShuffleNetV2网络,注意力机制,csp,卷积裁剪...(附全部开源代码)

  • 代码实践(干货)| 基于Pytorch的人脸姿态检测(附源码)

  • 腾讯优图NCNN详细分析及实践操作(含Yolov5实践)

  • 实践 | Face-API实现人脸识别(附源代码)

  • 实践 | 目前最快精度最高检测框架(EfficientDet)

  • 人脸实践篇 | 基于Caffe的年龄&性别识别

  • 五个案例,三大心得——带你进阶深度学习的实践应用之路

b79bb0309402119e398c2f30639073d3.gif

© THE END 

转载请联系本公众号获得授权

0adc9d2f588fb2a7f3910b20b704ac30.gif

计算机视觉研究院学习群等你加入!

计算机视觉研究院主要涉及深度学习领域,主要致力于人脸检测、人脸识别,多目标检测、目标跟踪、图像分割等研究方向。研究院接下来会不断分享最新的论文算法新框架,我们这次改革不同点就是,我们要着重”研究“。之后我们会针对相应领域分享实践过程,让大家真正体会摆脱理论的真实场景,培养爱动手编程爱动脑思考的习惯!

国庆倒计时、无心上班?看这里。。。_第3张图片

扫码关注

计算机视觉研究院

公众号ID|ComputerVisionGzq

学习群|扫码在主页获取加入方式

你可能感兴趣的:(计算机视觉,人工智能,深度学习,机器学习,编程语言)