UU直播平台-UU直播平台官方 - 享受高品质生活上UU直播平台,UU直播平台官方有限公司最具公信力品牌!美女客服每天24小时为广大游戏玩家提供最优质服务,百家乐玩法网站深受广大游戏爱好者点赞。

【好运三分快三倍投】一骑绝尘 商汤科技44篇论文入选CVPR 2018

  • 时间:
  • 浏览:2

全球计算机视觉顶级会议 IEEE CVPR 2018 (Compu好运三分快三倍投ter Visio好运三分快三倍投好运三分快三倍投n and Pattern Recognition,即IEEE国际计算机视觉与模式识别会议) 即将于六月在美国盐湖城召开,本届大会总共录取来自全球论文979好运三分快三倍投篇。CVPR作为计算机视觉领域级别最高的学精议,其录取论文代表了计算机视觉领域在2018年最新和最高的科技水平以及未来发展潮流。

CVPR官网显示,今年有超过350篇的大会论文投稿,录取的979篇论文,比去年增长了25%(2016年论文录取783篇)。那此录取的最新科研成果,所含了计算机视觉领域各项前沿工作。CVPR 2018包括21场tutorials、48场workshops,时会有来自全球各地超过115家企业将入驻今年CVPR工业展览。

商汤科技、香港中文大学-商汤科技联合实验室以及这个商汤科技联合实验室共有44篇论文被本届CVPR大会接收,其中包括口头报告论文3篇(录取率仅62/350 = 1.88%),亮点报告论文13篇,论文录取数量相较于CVPR 2017的23篇又有大幅度提高,成绩斐然。全球领先的科研成果展示了商汤科技智能视觉领域强大的人才储备、科研底蕴和创新能力。

商汤科技CVPR 2018录取论文在以下领域实现突破:大规模分布式训练、人体理解与行人再识别、自动驾驶场景理解与分析、底层视觉算法、视觉与自然语言的综合理解、物体检测、识别与跟踪、深度图生成式模型、视频与行为理解等。那此新颖的计算机视觉算法不仅有着丰富的应用场景,使得更多的智能视觉算法能应用于日常生活之中,还为后续研究提供了可贵的经验和方向。

大规模分布式训练

代表性论文:Oral – 深度图增强学习自动网络型态设计

本文致力于处里深度图神经网络型态的自动设计疑问图片,与一般人工的型态设计不同,本文提出了并不是 高效算法,通过强化学习来自动设计最优的网络型态。传统的神经网络型态设计通常只有血块专家的知识和试错成本,时会甚至还只有这个灵感,每年仅有十几块 重要的网络型态被设计出来,时会,人工设计网络型态是另兩个多 难度极高的工作。近期的网络型态自动搜索的算法通常只有巨大的计算资源(数百块GPU,近另兩个多 月的训练),时会生产的模型可迁移性不强,难以做到真正的实用化。

本文提出了并不是 基于强化学习的网络型态自动设计算法,通过“网络块”的设计思想,让搜索空间大大降低,时会使设计的网络具有非常强的可迁移性。并肩,本文使用“提前停止”和分布式架构来加速整个网络型态学习过程,达到了百倍于时会 算法的数率(32块GPU,两天 的训练)。实验棘层,其生成的网络型态在CIFAR数据集上达到时会超越人类设计的网络型态的精度,时会其型态还都后能 迁移到大规模的ImageNet数据上,取得良好的性能。

人体理解与行人再识别

代表性论文:Oral – 基于组一致性约束条件的行人再识别

行人再识别是新一代智能安防系统中的重要组件之一。给定一幅行人图像,行人再识别要求跨不同摄像头,对同一行人基于其视觉外观进行准确匹配和识别。现有深度图学习算法通常使用过于局部的约束损失函数进行行人型态学习,因而只有精确的学习行人图像之间的视觉同类度。本文针对该疑问图片提出并不是 新颖的组一致性约束条件,并通过连续条件随机场对该约束条件进行建模。将该连续条件随机场加入深度图神经网络,从而实现该深度图模型的端对端训练。实验结果表明该一致性条件在训练与测试中均也能大幅度提升最终视觉型态的鲁棒性与判别性,实现高精度的行人再识别。

自动驾驶场景理解

代表性论文:

Spotlight – 极低延迟的视频语义分割

本文关注面向自动驾驶场景的视频实时语义分割疑问图片,实在近年来图像语义分割取得很大的进展,时会对于面向视频的语义分割任务仍然指在挑战。其主要困难在于:1)视频只有更多的计算量;2)这个实时的应用如自动驾驶只有实现低延迟性。

本文致力于处里这两方面的疑问图片,并肩尽因为 的保证分割的精度。在视频分割疑问图片中,邻近帧之间的语义标签的变化相对较小,时会无需说每帧都使用另兩个多 删改的网络来提取语义标签。基于你这个认识,本文提出了另兩个多 如图所示的语义分割的框架,把整个网络分为高层每种和低层每种,低层每种消耗较少的计算;本文的框架只在关键帧运行删改的网络来提取高层型态进行语义分割,而在这个帧则从上另兩个多 关键帧传播型态来进行语义分割。相应的框架由两每种组件构成:1)关键帧调度模块,以及2)型态跨帧传播模块,其都基于低层型态进行相应的计算,时会相对删改的网络计算量小全都 。并肩为了减少延迟,在检测到当前帧为关键帧时,使用了另兩个多 低延迟的调度策略。本文提出的依据在另兩个多 数据集上均验证了我们儿依据的有效性,取得了较低延迟并保持精确的分割精度。

Spotlight – 基于单视图的立体匹配

面向自动驾驶场景的单目深度图估计依据,通常利用另兩个多 视角的图像数据作为输入,直接预测图片中每个像素对应的深度图值,这就因为 了现有依据通常只有血块的带深度图信息标注的数据。近期的研究提出了在训练过程引入了几何约束的改进,时会在测试过程仍然不足显式的几何约束。本文提出把单目深度图估计分解为另兩个多 子过程,即视图合成过程以及双目匹配过程,通过原先分解时会 ,使得所提出的模型既还都后能 在测试阶段显式地引入几何约束又还都后能 极大的减少对带深度图标注数据的依赖。实验证明,本文提出的依据仅利用血块的深度图数据就还都后能 在KITTI数据集上超过时会 的所有依据,并首次仅靠单目图像数据就超过了双目匹配算法Block Matching,进一步推动了单目深度图估计技术的落地。

底层视觉算法

代表性论文:Spotlight – 基于深度图增强学习的普适图像复原

本文提出了并不是 新颖的深度图学习图像复原依据。大每种已有复原算法仅面向处里某类特定的图像复原疑问图片,因而对各种不同类别的降质图像不足普适性。针对该疑问图片,本文提出的RL-Restore算法先训练一系列针对不同降质图像的小型神经网络;并肩设计并不是 评价图像复原质量的奖励函数,使用增强学习算法学习何如将那此小型神经网络进行合理组合。针对不同的降质图像,获得不同的复原算法组件的组合,实现对简化降质图像的有效复原。

视觉与自然语言的综合理解

代表性论文:Spotlight – 面向视觉疑问图片回答的对偶视觉疑问图片生成

针对开放式视觉问答(Open-ended VisualQuestion Answering)中训练数据过少的疑问图片,本文提出了并不是 “可逆问答网络”。该模型还都后能 通过重组不同模块,使一组模型并肩完成“疑问图片回答”和“疑问图片生成”并不是 互逆的另兩个多 任务。该模型通过充分利用视觉问答和视觉疑问图片生成的对偶性,提升模型对于有限训练数据的利用数率。该依据采用另兩个多 任务并肩训练同一模型,使网络也能对疑问图片和图片之间的联系有更深的理解,从而在疑问图片生成和疑问图片回答另兩个多 任务上都取得了更好的精度和效果。

人脸识别与人脸分析

代表性论文:

Poster – 超越人脸识别的人脸解离型态空间学习

本文并肩处里人脸识别、属性分类和任意人脸生成这另兩个多 疑问图片。大多数人脸型态学习的工作通常也能让网络学习得到另兩个多 具有极强身份或属性区分度的型态,以应用于人脸识别、属性分类等任务;因为 学习另兩个多 具有全局信息的型态,以应用于人脸生成和编辑等应用。为那此只有学习到另兩个多 完备的型态空间并使得语义信息深度图区分化,进而实现另兩个多 型态也能完成所有的任务呢?本文提出了另兩个多 信息蒸馏与驱逐网络的框架,只使用身份ID作为监督信息,学习到了另兩个多 并肩具有极强信息区分度且所含全局信息的稠密凸型态空间。在LFW、LFWA和CelebA等数据集上的实验表明,人脸在该型态空间下的投影具有极高的身份、属性识别能力,且该空间内的任意另兩个多 点均具有较强的身份和属性语义,并可生成具有该语义的人脸图像。

Poster – 基于边缘感知的人脸关键点定位

本文提出并不是 基于边缘感知的人脸关键点检测算法,将人脸边缘线所描述的型态信息融入到关键点检测中,极大地提升了算法在大侧脸、夸张表情、遮挡、模糊等极端具体情况下的检测精度。文章主要处里了两疑问图片图片:1. 人脸关键点在各个数据集间歧义性,定义不一致疑问图片。文章通过捕捉对于人脸更通用的边缘线信息,将其作为人脸到关键点的后面 媒介,使得不同数据集即使指在关键点差异,仍然还都后能 相互辅助训练。2. 简化具体情况下关键点检测精度疑问图片。本文首先通过消息传递结合对抗学习得到高精度的边缘线检测结果,再将边缘线信息多语义层次地融合到关键点检测中,使得算法在简化具体情况下的鲁棒性大幅提升。

另外,文章还提出了另兩个多 新的人脸关键点检测数据集Wider Facial Landmarksin-the-wild (WFLW),所含10,000 张所含98点和6属性标注的人脸数据,旨在帮助学界更有效的评估关键点算法在各种条件下的鲁棒性。

物体检测、识别与跟踪

代表性论文:

Spotlight – 基于孪生候选区域网络的高性能视觉跟踪

本文提出并不是 基于端到端深度图学习框架的高性能单目标跟踪算法。现有的单目标跟踪算法通常较难兼顾性能和数率,仅能在某一指标占优。本文利用孪生(Siamese)网络和区域候选网络(Region Proposal Network),构建了并不是 高速高精度的单目标跟踪算法。另兩个多 子网络通过卷积操作升维,统一在另兩个多 端到端的深度图神经网络框架里。训练过程中,算法还都后能 利用拥有密集标注(VID)和稀疏标注(YoutubeBB)的数据集进行训练。相较于现有依据,稀疏标注的数据集大大增加了训练数据来源,从而还都后能 对深度图神经网络进行更充分的训练;区域候选网络中的坐标回归还都后能 让跟踪框更加准确,时会省去多尺度测试耗费的时间。实验方面,本文提出的跟踪算法能在150帧数率下达到VOT2015和VOT2016数据集上目前的先进水平。

Poster – 快速的端到端多深度图文字检测与识别依据

本文首次提出了端到端的多深度图文字检测与识别依据。文字检测与识别(OCR)是计算机视觉领域的经典疑问图片,过去的做法将文字检测与识别看做另兩个多 疑问图片分别处里。本文提出了另兩个多 端到端的依据并肩进行文字检测与识别,验证了这另兩个多 任务相辅相成,并肩监督网络训练还都后能 让这另兩个多 任务取得更好的精度。因为 另兩个多 任务共用另兩个多 型态提取的网络,数率也是分别进行文字检测与识别的两倍左右。并肩本文也提出了RoIRotate操作,其扩展了RoIAlign,还都后能 应用于旋转物体的检测。本文在多个数据集上超过了现有依据。

深度图生成式模型

代表性论文:Poster – 基于型态装饰的实时零点风格迁移

目前针对图像风格化的实时应用,大多只有针对特定的风格图来设计特定的风格迁移模型;因为 只有实现对于任意风格图的迁移,计算简化度和迁移效果大多只有得到保证。本文提出并不是 实时零点图像风格迁移模型,实现对于任意风格图像的多尺度高质量风格化迁移。该依据基于名为风格装饰器的型态迁移网络型态,还都后能 容易地嵌入图像重构网络中来达到多尺度的风格型态迁移。该网络型态使得生成的风格化图像充分表达风格图中的具体纹理模式,并肩保留原图中的语义信息。实验表明,该网络对各种类别的风格图全是较高的风格化能力,时会还都后能 有效扩展到多风格迁移和视频风格迁移等应用中。

附录:

商汤科技及商汤科技联合实验室共有44篇论文被接收,具体如下:

1.3D Human Pose Estimation in the Wild by Adversarial Learning

Wei Yang, Wanli Ouyang, Xiaolong Wang, Xiaogang Wang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

2. Attention-aware Compositional Network for Person Re-Identification

Jing Xu, Rui Zhao, Feng Zhu, Huaming Wang, Wanli Ouyang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

3. Avatar-Net: Multi-scale Zero-shot Style Transfer by Feature Decoration

Lu Sheng*, Jing Shao*, Ziyi Lin and Xiaogang Wang (*equal contribution)

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

4. Beyond Holistic Object Recognition:Enriching Image Understanding with Part States

Cewu Lu, Hao Su, Yonglu Li, Yongyi Lu, Li Yi, Chi-Keung Tang, Leonidas J. Guibas

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

5. Collaborative and Adversarial Network for Unsupervised domain adaptation

Weichen Zhang, Wanli Ouyang, Dong Xu, Wen Li

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

6. Context Encoding for Semantic Segmentation

Hang Zhang, Kristin Dana, Jianping Shi, Zhongyue Zhang, Xiaogang Wang, Ambrish Tyagi, Amit Agrawal

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

7. Deep Cocktail Networks: Multi-source Unsupervised Domain Adaptation with Category Shift

Ruijia  Xu, Ziliang  Chen, Wangmeng  Zuo, Junjie  Yan, Liang  Lin

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

8. Deep Group-shuffling Random Walk for Person Re-identification

Yantao Shen, Hongsheng Li, Tong Xiao, Shuai Yi, Dapeng Chen, Xiaogang Wang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

9. Dynamic Scene Deblurring Using Spatially Variant Recurrent Neural Networks

Jiawei Zhang, Jinshan Pan, Jimmy Ren, Yibing Song, Linchao Bao, Rynson Lau, Ming-Hsuan Yang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

10. Eliminating Background-bias for Robust Person Re-identification

Maoqing Tian, Hongsheng Li, Shuai Yi, Xuesen Zhang, Jianping Shi, Junjie Yan, Xiaogang Wang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

11. End-to-End Deep Kronecker-Product Matching for Person Re-identification

Yantao Shen, Tong Xiao, Hongsheng Li, Shuai Yi, Xiaogang Wang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

12. End-to-end Flow Correlation Tracking with Spatial-temporal Attention

Zheng Zhu, Wei Wu, Wei Zou, Junjie Yan

IEEE Conference on Computer Vision andPattern Recognition (CVPR), 2018.

13. Exploring Disentangled Feature Representation Beyond Face Identification

Yu Liu*, Fangyin Wei*, Jing Shao*, LuSheng, Junjie Yan and Xiaogang Wang (*equal contribution)

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

14. Environment Upgrade Reinforcement Learning for Non-differentiable Multi-stage Pipelines

Shuqin Xie, Zitian Chen, Chao Xu, Cewu Lu

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

15. FOTS: Fast Oriented Text Spotting with a Unified Network

Xuebo Liu, Ding Liang, Shi Yan, Dagui Chen, Yu Qiao, Junjie Yan

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

16. GeoNet: Unsupervised Learning of Dense Depth, Motion Field and Camera Pose

Zhichao Yin, Jianping Shi

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

17. Group Consistent Similarity Learning via Deep CRFs for Person Re-Identification

Dapeng Chen, Dan Xu, Hongsheng Li, Nicu Sebe, Xiaogang Wang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

18. High Performance Visual Tracking with Siamese Region Proposal Network

Bo Li, Wei Wu, Zheng Zhu, Junjie Yan

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

19. ID-GAN: Learning a Symmetry Three-Player GAN for Identity-Preserving Face Synthesis

Yujun Shen, Ping Luo, Junjie Yan, Xiaogang Wang, Xiaoou Tang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

20. Learning a Toolchain for Image Restoration

Ke Yu, Chao Dong, Liang Lin, Chen Change Loy

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

21. Learning Dual Convolutional Neural Networks for Low-Level Vision

Jinshan Pan, Sifei Liu, Deqing Sun, Jiawei Zhang, Yang Liu, Jimmy Ren, Zechao Li, Jinhui Tang, Huchuan Lu, Yu-Wing Tai, Ming-Hsuan Yang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

22. Learning Globally Optimized Object Detector via Policy Gradient

Yongming Rao, Dahua Lin, Jiwen Lu

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

23. LiteFlowNet: A Lightweight Convolutional Neural Network for Optical Flow Estimation

Tak Wai Hui, Xiaoou Tang, Chen Change Loy

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

24. Low-Latency Video Semantic Segmentation

Yule Li, Jianping Shi, Dahua Lin

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

25. Look at Boundary: A Boundary-Aware Face Alignment Algorithm

Wayne Wu, Chen Qian, Shuo Yang, Wang Quan

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

26. LSTM Pose Machines

Yue Luo, Jimmy Ren, Zhouxia Wang, Wenxiu Sun, Jinshan Pan, Jianbo Liu, Jiahao Pang, Liang  Lin

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

27. Mask-guided Contrastive Attention Model for Person Re-Identification

Chunfeng Song, Yan Huang, Wanli Ouyang, Liang Wang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

28. Optical Flow Guided Feature: A Fast and Robust Motion Representation for Video Action Recognition

Shuyang Sun, Zhanghui Kuang, Lu Sheng, Wanli Ouyang, Wei Zhang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

29. Optimizing Video Object Detection via a Scale-Time Lattice

Kai Chen, Jiaqi Wang, Shuo Yang, Xingcheng Zhang, Yuanjun Xiong, Chen Change Loy, Dahua Lin

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

50. PAD-Net: Multi-Tasks Guided Prediciton-and-Distillation Network for Simultaneous Depth Estimation and Scene Parsing

Dan Xu, Wanli Ouyang, Xiaogang Wang, Nicu Sebe

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

31. Path Aggregation Network for Instance Segmentation

Shu Liu, Lu Qi, Haifang Qin, Jianping Shi, Jiaya Jia

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

32. Pose-Robust Face Recognition via Deep Residual Equivariant Mapping

Kaidi Cao, Yu Rong, Cheng Li, Xiaoou Tang, Chen Change Loy

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

33. Practical Block-wise Neural Network Architecture Generation

Zhao Zhong, Junjie Yan, Wei Wu, Jing Shao, Cheng-lin Liu

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

34. Recognize Actions by Disentangling Components of Dynamics

Yue Zhao, Yuanjun Xiong, Dahua Lin

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

35. Recovering Realistic Texture in Image Super-resolution by Spatial Feature Modulation

Xintao Wang, Ke Yu, Chao Dong, Chen Change Loy

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

36. Single View Stereo Matching

Yue Luo, Jimmy Ren, Mude Lin, Jiahao Pang,Wenxiu Sun, Hongsheng Li, Liang Lin

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

37. Temporal Hallucinating for Action Recognition with Few Still Images

Lei Zhou, Yali Wang, Yu Qiao

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

38. Towards Human-Machine Cooperation: Evolving Active Learning with Self-supervised Process for Object Detection

Keze Wang, Xiaopeng Yan, Lei Zhang, Liang Lin

IEEE Conference on Computer Vision and Pattern Recognition(CVPR), 2018.

39. Unifying Identification and Context Learning for Person Recognition

Qingqiu Huang, Yu Xiong, Dahua Lin

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

40. Unsupervised Feature Learning via Non-Parametric Instance-level Discrimination

Zhirong Wu, Yuanjun Xiong, Stella Yu, Dahua Lin

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

41. Video Person Re-identification with Competitive Snippet-similarity Aggregation and Co-attentive Snippet Embedding

Dapeng Chen, Hongsheng Li, Tong Xiao, Shuai Yi, Xiaogang Wang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

42. Visual Question Generation as Dual Task of Visual Question Answering

Yikang Li, Nan Duan, Bolei Zhou, Xiao Chu, Wanli Ouyang, Xiaogang Wang

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

43. Weakly Supervised Human Body Part Parsing via Pose-Guided Knowledge Transfer

Hao-Shu Fang, Guansong Lu, Xiaolin Fang, Jianwen Xie, Yu-Wing Tai and Cewu Lu

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

44. Zoom and Learn: Generalizing Deep Stereo Matching to Novel Domains

Jiahao Pang, Wenxiu Sun, Chengxi Yang, Jimmy Ren, Ruichao Xiao, Jin Zeng, Liang Lin

IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2018.

www.sensetime.com

本文由站长之家用户投稿,未经站长之家同意,严禁转载。如广大用户我们儿,发现稿件指在不实报道,欢迎读者反馈、纠正、举报疑问图片(反馈入口)。

免责声明:本文为用户投稿的文章,站长之家发布此文仅为传递信息,不代表站长之家赞同其观点,不对对内容真实性负责,仅供用户参考之用,不构成任何投资、使用建议。请读者自行核实真实性,以及因为 指在的风险,任何后果均由读者自行承担。