CV Code | 本周新出计算机视觉开源代码汇总
- 2019 年 12 月 27 日
- 筆記
点击我爱计算机视觉标星，更快获取CVML新技术
大家好，又到了周末盘点一周CV开源代码的时间！
很高兴这一模块已经被大家所认可。
过去的一周：
MobileNetV3 的开源犹如一阵旋风，突然出现了几十个项目。
C3F 的开源使得人群计数领域终于有了自己的框架。（开发者就在我们52CV行人群里哦）
百度开源YOLOv3，再一次为 PaddlePaddle 刷了存在感。
还有语义分割、目标跟踪、表情识别、姿态估计、超分辨率等的开源代码，他们来自最近新出的论文，对于相关方向的同学肯定很有借鉴意义。
一起来看看吧～
https://github.com/xiaolai-sqlai/mobilenetv3
https://github.com/gjy3035/C-3-Framework
快到没朋友的YOLOv3有了PaddlePaddle 预训练模型，精度更高了！
https://github.com/PaddlePaddle/models/blob/v1.4/PaddleCV/yolov3/README_cn.md
语义分割 | 高效的梯形风格的DenseNets网络LDN，用于大图像的语义分割
Efficient Ladder-style DenseNets for Semantic Segmentation of Large Images
Ivan Krešo, Josip Krapac, Siniša Šegvić
https://arxiv.org/abs/1905.05661v1
（代码将于论文被接收后开源，还未公布地址）
目标跟踪 | 研究从相关滤波跟踪算法中去除常见的Cosine Window机制,与传统算法和深度学习算法相比都取得了不错的精度。
Remove Cosine Window from Correlation Filter-based Visual Trackers: When and How
Feng Li, Xiaohe Wu, Wangmeng Zuo, David Zhang, Lei Zhang
https://arxiv.org/abs/1905.06648v1
https://github.com/lifeng9472/Removing_cosine_window_from_CF_trackers
显著性 | 利用眼动数据进行显著性建模
Leverage eye-movement data for saliency modeling: Invariance Analysis and a Robust New Model
Zhaohui Che, Ali Borji, Guangtao Zhai, Xiongkuo Min, Guodong Guo, Patrick Le Callet
https://arxiv.org/abs/1905.06803v1
https://github.com/CZHQuality/Sal-CFS-GAN
CVPR 2019
3D人脸建模 | 使用单图像进行3D人脸形状回归
Learning to Regress 3D Face Shape and Expression from an Image without 3D Supervision
Soubhik Sanyal, Timo Bolkart, Haiwen Feng, Michael J. Black
https://arxiv.org/abs/1905.06817v1
http://ringnet.is.tuebingen.mpg.de/
ICML 2019
对抗攻击 | 通过有效的组合优化进行简单的黑盒对抗性攻击
Parsimonious Black-Box Adversarial Attacks via Efficient Combinatorial Optimization
Seungyong Moon, Gaon An, Hyun Oh Song
https://arxiv.org/abs/1905.06635v1
https://github.com/snu-mllab/parsimonious-blackbox-attack
ICML 2019
数据增广 | 增广策略学习
Population Based Augmentation: Efficient Learning of Augmentation Policy Schedules
Daniel Ho, Eric Liang, Ion Stoica, Pieter Abbeel, Xi Chen
https://arxiv.org/abs/1905.05393v1
https://github.com/arcelien/pba
点云数据处理识别 | 使用局部空间注意力模型的点集特征学习
LSANet: Feature Learning on Point Sets by Local Spatial Attention
Lin-Zhuo Chen, Xuan-Yi Li, Deng-Ping Fan, Ming-Ming Cheng, Kai Wang, Shao-Ping Lu
https://arxiv.org/abs/1905.05442v1
https://github.com/LinZhuoChen/LSANet
姿态估计| 多视图3D人体姿态估计，构建可学习的三角测量
Learnable Triangulation of Human Pose
Karim Iskakov, Egor Burkov, Victor Lempitsky, Yury Malkov
https://arxiv.org/abs/1905.05754v1
https://saic-violet.github.io/learnable-triangulation
ICIP 2019
人脸解析 | 通过域适应方法进行弱监督的漫画人脸解析
Weakly-supervised Caricature Face Parsing through Domain Adaptation
Wenqing Chu, Wei-Chih Hung, Yi-Hsuan Tsai, Deng Cai, Ming-Hsuan Yang
https://arxiv.org/abs/1905.05091v1
https://github.com/ZJULearning/CariFaceParsing
手势识别 | 设计手势音素。生成更大规模的不同手势，并用CNN识别
Talking with Your Hands: Scaling Hand Gestures and Recognition with CNNs
Okan Köpüklü, Yao Rong, Gerhard Rigoll
https://arxiv.org/abs/1905.04225
https://www.mmk.ei.tum.de/shgd/
域适应 | 提出一种叫Virtual Mixup Training 的正则化方法，用于非监督学习的域适应
Virtual Mixup Training for Unsupervised Domain Adaptation
Xudong Mao, Yun Ma, Zhenguo Yang, Yangbin Chen, Qing Li
https://arxiv.org/abs/1905.04215
（代码将开源）
表情识别 | 区域注意力网络用于针对姿态变化和遮挡鲁棒的人脸表情识别
Region Attention Networks for Pose and Occlusion Robust Facial Expression Recognition
Kai Wang, Xiaojiang Peng, Jianfei Yang, Debin Meng, Yu Qiao
https://arxiv.org/abs/1905.04075
https://github.com/kaiwang960112/Challenge-condition-FER-dataset
CVPR 2019
超分辨率 | 使用传感器RAW数据进行超分辨率，比RGB图像获得更好的效果
Zoom To Learn, Learn To Zoom
Xuaner Cecilia Zhang, Qifeng Chen, Ren Ng, Vladlen Koltun
https://arxiv.org/abs/1905.05169v1
https://ceciliavision.github.io/project-pages/project-zoom.html
感慨技术发展太快，人真的很有限，这些项目里肯定有很多有意思的研究，不能一一探究，只能择其一二解读。
