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!
公众号ID|ComputerVisionGzq
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!
2021CVPR系列
- 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)
目标检测类
- 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
四边形检测
Yolo系列
- 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)
实践
- 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
© THE END
转载请联系本公众号获得授权
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!
扫码关注
计算机视觉研究院
公众号ID|ComputerVisionGzq
标签:无心,框架,检测,论文,实践,目标,倒计时,源码,收藏 From: https://blog.51cto.com/u_15726357/6965671