😊 论文写作与科研经验

人民大学赵鑫:庖丁解牛剖析国际学术论文写作的快速入门 ,来自2020年3月智源论坛论文写作报告会

那些坚持做科研的年轻人,现在怎么样了?


😊 机器学习基础

如何减少噪声标签的影响?谷歌提出一种鲁棒深度学习方法MentorMix

ECCV 2020 | 可能是最好的ReLU改进,微软推出提点神器Dynamic ReLU

NeurIPS 2020 | 从因果关系来看小样本学习

计算机视觉中的自监督表示学习近期进展

🟥 CVPR 2019细粒度图像分类竞赛中国团队DeepBlueAI获冠军 | 技术干货分享


😊 注意力机制

深度残差收缩网络:借助注意力机制实现特征的软阈值化 该工作发表在IEEE Transactions on Industrial Informatics,是深度残差网络、软阈值函数和注意力机制的组合。(代码使用 Keras)

CVPR 20 - Attention Convolutional Binary Neural Tree 细粒度分类

ICCV 2019 | 八度卷积     

DyNet 与 CondConv、DynamicConv 有什么区别联系 动态卷积

南开大学SCNet,自校正卷积网络

打破常规,逆残差模块超强改进 SandGlass是一种通用的模块,它可以轻易的嵌入到现有网络架构中并提升模型性能,应该是近年来为数不多的优秀 mobile 模型了

IJCAI 2020 | Split to be slim ,“即插即用”计算单元,它基于特征冗余而设计,它将输入特征分成两组分别进行处理最后采用简化版SK进行融合。不仅更高精度,同时具有更快推理速度。更快的速度则是最关键的亮点,要知道其他“即插即用”型改进卷积(如OctConv、GhostConv、Res2Conv等等)都不可避免的导致推理速度变慢

🟥 十大即插即用的涨点神器

🟥 ECCV 2020 Spotlight: 真动态分组卷积 分组卷积目前广泛应用于轻量级网络中,但有两个缺点:由于引入稀疏连接,减弱了卷积的表达能力,导致性能的降低,特别对于难样本;固定的连接模式,不会根据输入样本的特性而改变。参考动态网络的思想,作者提出动态分组卷积(dynamic group convolution),为每个分组引入小型特征选择器,根据输入特征的强度动态决定连接哪些输入维度,而多个分组能捕获输入图片中不同的互补特征,学习到丰富的特征表达能力。

✅ ECCV 2020 解耦自注意模型

✅ BMVC 2020 最佳论文 Anti-aliasing in ConvNets

【即插即用】Triplet Attention机制让Channel和Spatial交互更加丰富(附开源代码)

🟥 无需注意力,也能更快更强,LambdaNet:极大地改善图像分类速度与精度

🟥 HS-ResNet | 超越ResNeSt,ResNet又一改进,“分层拆分模块”





😊 语义分割

康奈尔大学提出利用归一化提取图像中的结构性信息 当前研究大多认为对特征进行归一化之后可以加速网络训练和提高网络准确率,却忽视了其实被normalize的信息含有特征中重要的统计值。目前该方法被应用于生成网络(GAN,图像去雾等),语义分割,图像分类等任务中。

CVPR2020 | HANet:通过高度驱动的注意力网络改善城市场景语义分割

🟥 ECCV 2020 | 港中文提出语义分割新方法,张量低秩重建 上下文信息在语义分割的作用很重要作者团队提出了一种对3D上下文表示建模的新方法,该方法不仅避免了空间压缩,而且还解决了高秩难题。作者的方法受到了张量正则-双峰分解理论(tensor canonical-polyadic decomposition theory)的启发,设计了一个从低到高的上下文重建框架

🟥 ECCV2020图像分割开源论文合集

🟥 ECCV2020 语义分割论文大盘点 (38篇论文)

🟥 SWideRNet:全景分割新标杆



😊 图像修复

ICME2020 | 基于物理模型指导的图像去雨网络

CVPR2020 | 对偶回归网络用于超分辨率

任文琦,整合先验知识的智能图像增强

CVPR2020 | 微软使用 transformer 修复图片

CVPR2020 | 具有密集特征融合的多尺度增强去雾网络

图神经网络嵌入解决超分辨率问题

CVPR 2020 图像增强与修复论文盘点

🟥 ECCV 2020 | 如何恢复降采样后的高清图片?可逆图像缩放搞定

🟥 旷视科技|商用端侧Raw图像降噪方案 旷视科技的研究员提出“商用端侧RAW图像降噪”方法,相应方法已被广泛应用到OPPO、小米等手机中。该文最大的创新点当属噪声参数参数估计部分的推导,它将噪声可变模型转换成了噪声固定模式,这样就可以做到“一个模型处理不同噪声水平”

🟥 ECCV 2020 | SADnet,用于去噪的空间自适应网络

🟥 ECCV 2020 | 清华&旷视提出:在移动设备上进行深度Raw图像去噪

🟥 ECCV 2020 图像增强与恢复论文大盘点



😊 跨媒体

【1】 CVPR 2020 | 细粒度文本视频跨模态检索  (中国人民大学)

【2】黄斐然,社交媒体多模态表示学习


😊 图网络与因果推理

【1】模块化、反事实推理、特征分离,「因果表示学习」的最新研究都在讲什么

【2】图神经网络的基准:南洋理工大学的Vijay等人(Yoshua Bengio 也在作者之列)发表了一篇GNN基准论文,提出了图神经网络的新基准。基于PyTorch和DGL库在Github上开源了GNN基准库

【3】视频理解中的关系推断和因果推理


😊 长尾(不平衡)分布

【1】长尾分布下最新研究综述(2019-2020) 按照重采样、重加权、迁移学习三类进行总结

【2】ECCV2020 | 解决长尾分布问题新方法,解耦类别特征并实现空间增广

【3】再谈类别不平衡问题:调节权重与魔改LOSS的综合分析

【4】NeurIPS 2020 | 一种崭新的长尾分布下分类问题的通用算法


😊 遥感图像数据集

【1】遥感目标检测数据集

【2】遥感场景分类数据集

【3】遥感语义分割数据集

【4】遥感建筑物分割数据集

【5】遥感变化检测数据集

【6】遥感LiDAR点云数据集

【7】遥感高光谱影像数据集

【8】遥感数据融合数据集

【9】ECCV 2020 | MIT发布最大自然灾害图像数据集,涵盖19种灾害事件


😊 PyTorch教程

【1】使用多标签损失函数训练卷积网络 Kaggle上的一个验证码识别例子,采用的是迁移学习,基于ResNet18做到的训练。

【2】M3d-CAM,注意力格式化工具包 好用的Pytorch库,它允许使用多种方法(例如,引导反向传播,Grad-Cam,Guide Grad-Cam和Grad-Cam ++)生成用于分类和分段的注意图。

【3】汇总 pytorch 踩过的10个坑

【4】高效 pytorch, 6个Tips,为训练管道加涡轮增压

【5】pytorch 常用代码段合集

【6】基于 pytorch 的动态卷积复现

【7】性能杀器 | 如果项目的模型遇到瓶颈,用这些Trick就对了

【8】20个小技巧,玩转Google Colab


😊 其它

【1】 微信小程序开发(教学大纲)

【2】 专家报告 | 双线性和多线性混合模型下的高光谱遥感图像非线性解混研究

【3】 在CV / NLP / DL领域中,有什么修改一行代码或者几行代码提升性能的算法?