CV Code | 本周新出计算机视觉开源代码汇总(南理SGE 和Intel的实时动作识别很吸引人)

栏目: 软件资讯 · 发布时间: 5年前

内容简介:本周新出的计算机视觉代码不是很多,但都是精品。

我爱计算机视觉 标星,更快获取CVML新技术

CV Code | 本周新出计算机视觉开源代码汇总(南理SGE 和Intel的实时动作识别很吸引人)

本周新出的计算机视觉代码不是很多,但都是精品。

出自南理工的空域组增强(SGE)网络结构在图像分类和目标检测任务中均表现出一致的有效性,强烈推荐大家关注。

Intel的实时动作识别看起来很吸引人,已经是达到工业应用级别的成果了!

空域组增强(SGE),改进卷积网络中语义特征学习,出自南京理工大学。

SGE可以显著改进图像分类任务的性能,在基于ResNet50为骨干网的实验中,SGE取得了在ImageNet数据集上1.2% Top 1精度的改进, 另外结合不同的检测算法中(Faster/Mask/Cascade RCNN and RetinaNet)在COCO数据集上均取得了1%-2%精度的提升。

Spatial Group-wise Enhance: Improving Semantic Feature Learning in Convolutional Networks

Xiang Li, Xiaolin Hu, Jian Yang

https://arxiv.org/abs/1905.09646v1

https://github.com/implus/PytorchInsight

图神经网络临域扩大

在大量的图分类评测数据集上均达到了state-of-the-art。

Neighborhood Enlargement in Graph Neural Networks

Xinhan Di, Pengqian Yu, Mingchao Sun, Rui Bu

https://arxiv.org/abs/1905.08509v1

https://github.com/CODE-SUBMIT/Neighborhood-Enlargement-in-Graph-Network

实时动作识别的轻量级网络架构,来自Intel,相比现有方法取得了很好的速度/精度折中,在CPU上运行达到56fps。

Lightweight Network Architecture for Real-Time Action Recognition

Alexander Kozlov, Vadim Andronov, Yana Gritsenko

https://arxiv.org/abs/1905.08711v1

https://github.com/opencv/openvino_training_extensions/tree/develop/pytorch_toolkit/action_recognition

半监督学习| 增广分布对齐方法

在SVHN 与 CIFAR10 数据集上分别取得了新的state-of-the-art,错误率3.54% 、 10.09%。

Semi-Supervised Learning by Augmented Distribution Alignment

Qin Wang, Wen Li, Luc Van Gool

https://arxiv.org/abs/1905.08171v1

https://github.com/qinenergy/adanet

图像文本联合建模 | 变分异构编码器随机生成对抗网络

在图像文本多模学习和生成的多个任务中均达到state-of-the-art 性能。

Variational Hetero-Encoder Randomized Generative Adversarial Networks for Joint Image-Text Modeling

Hao Zhang, Bo Chen, Long Tian, Zhengjue Wang, Mingyuan Zhou

https://arxiv.org/abs/1905.08622v1

(代码将开源)

基于单幅图像的3D Manhattan 线框重建

只需一幅图像即可完成建筑、家具等物体的3D 结构重建,在设计领域应该很有用。

Learning to Reconstruct 3D Manhattan Wireframes from a Single Image

Yichao Zhou, Haozhi Qi, Yuexiang Zhai, Qi Sun, Zhili Chen, Li-Yi Wei, Yi Ma

https://arxiv.org/abs/1905.07482v1

(代码将开源)

ICRA 2019

基于视觉的机械手臂操作任务的机器人学习平台,包含软硬件一体化的整套评测方案。

REPLAB: A Reproducible Low-Cost Arm Benchmark Platform for Robotic Learning

Brian Yang, Jesse Zhang, Vitchyr Pong, Sergey Levine, Dinesh Jayaraman

https://arxiv.org/abs/1905.07447v1

https://sites.google.com/view/replab/

更多之前代码汇总:

CV Code | 本周新出计算机视觉开源代码汇总(含语义分割、表情识别、目标跟踪、姿态估计、超分辨率等)

CV Code | 本周新出计算机视觉开源代码汇总(含目标跟踪、语义分割、姿态跟踪、少样本学习等)

CV Code | 本周新出计算机视觉开源代码汇总(含自动驾驶目标检测、医学图像分割、风格迁移、语义分割、目标跟踪等)

加群交流

关注计算机视觉与机器学习技术,欢迎加入52CV群,扫码添加CV君拉你入群,

请务必注明:52CV

CV Code | 本周新出计算机视觉开源代码汇总(南理SGE 和Intel的实时动作识别很吸引人)

喜欢在QQ交流的童鞋,可以加52CV官方 QQ群702781905

(不会时时在线,如果没能及时通过验证还请见谅)

CV Code | 本周新出计算机视觉开源代码汇总(南理SGE 和Intel的实时动作识别很吸引人)

长按关注 我爱计算机视觉


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

风吹江南之互联网金融

风吹江南之互联网金融

陈宇(江南愤青) / 东方出版社 / 2014-6-1 / 55元

随着中国互联网金融浪潮高涨,P2P、众筹、余额宝、微信支付等新生事物层出不穷,加之大数据等时髦概念助阵,简直是乱花渐欲迷人眼,令媒体兴奋,公众狂热。那么,互联网金融真的能“颠覆”传统金融吗?当互联网思维对撞传统金融观念,是互联网金融的一统天下,还是传统金融业的自我革新?究竟是谁动了金融业的奶酪? 本书作者早期试水创立具有互联网金融雏形的网站,后来成为互联网金融的资深投资人,基于其多年在该领域......一起来看看 《风吹江南之互联网金融》 这本书的介绍吧!

在线进制转换器
在线进制转换器

各进制数互转换器

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换