CV技术指南（公众号）_社区达人页

2022年04月

• 04.25 11:27:23
  发表了文章 2022-04-25 11:27:23

  YOLO系列梳理（三）YOLOv5

  YOLOv5 是在 YOLOv4 出来之后没多久就横空出世了。今天笔者介绍一下 YOLOv5 的相关知识。目前 YOLOv5 发布了新的版本，6.0版本。在这里，YOLOv5 也在5.0基础上集成了更多特性，同时也对模型做了微调，并且优化了模型大小，减少了模型的参数量。那么这样，就更加适合移动端了。

  
• 04.25 11:21:36
  发表了文章 2022-04-25 11:21:36

  CVPR 2022数据集汇总｜包含目标检测、多模态等方向

  本文收集汇总了目前CVPR 2022已放出的一些数据集资源。

  
• 04.25 11:17:35
  发表了文章 2022-04-25 11:17:35

  Attention Mechanism in Computer Vision

  本文系统全面地介绍了Attention机制的不同类别，介绍了每个类别的原理、优缺点。

  
• 04.25 11:12:31
  发表了文章 2022-04-25 11:12:31

  从零搭建Pytorch模型教程（三）搭建Transformer网络

  本文介绍了Transformer的基本流程，分块的两种实现方式，Position Emebdding的几种实现方式，Encoder的实现方式，最后分类的两种方式，以及最重要的数据格式的介绍。

  
• 04.25 11:04:37
  发表了文章 2022-04-25 11:04:37

  YOLO系列梳理（一）YOLOv1-YOLOv3

  本文是YOLO系列专栏的第一篇，该专栏将会介绍YOLO系列文章的算法原理、代码解析、模型部署等一系列内容。本文系公众号读者投稿，欢迎想写任何系列文章的读者给我们投稿，共同打造一个计算机视觉技术分享社区。

  
• 04.25 10:58:01
  发表了文章 2022-04-25 10:58:01

  一份热力图可视化代码使用教程

  本文介绍了CAM、GradCAM的原理和缺陷，介绍了如何使用GradCAM算法实现热力图可视化，介绍了目标检测、语义分割、transformer模型等其它类型任务的热力图可视化。 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、最新论文解读、各种技术教程、CV招聘信息发布等。关注公众号可邀请加入免费版的知识星球和技术交流群。

  
• 04.25 10:53:04
  发表了文章 2022-04-25 10:53:04

  从零搭建Pytorch模型教程（二）搭建网络

  上一篇《从零搭建Pytorch模型教程（一）数据读取》中介绍了classdataset的几个要点，由哪些部分组成，每个部分需要完成哪些事情，如何进行数据增强，如何实现自己设计的数据增强。然后，介绍了分布式训练的数据加载方式，数据读取的整个流程，当面对超大数据集时，内存不足的改进思路。 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、最新论文解读、各种技术教程、CV招聘信息发布等。关注公众号可邀请加入免费版的知识星球和技术交流群。
• 04.25 10:43:59
  发表了文章 2022-04-25 10:43:59

  一份可视化特征图的代码

  本文给大家分享一份我用的特征图可视化代码。 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、最新论文解读、各种技术教程、CV招聘信息发布等。关注公众号可邀请加入免费版的知识星球和技术交流群。

  
• 04.25 10:40:16
  发表了文章 2022-04-25 10:40:16

  从零搭建Pytorch模型教程（一）数据读取 ​

  本文介绍了classdataset的几个要点，由哪些部分组成，每个部分需要完成哪些事情，如何进行数据增强，如何实现自己设计的数据增强。然后，介绍了分布式训练的数据加载方式，数据读取的整个流程，当面对超大数据集时，内存不足的改进思路。 欢迎关注公众号CV技术指南，专注于计算机视觉的技术总结、最新技术跟踪、最新论文解读、各种技术教程、CV招聘信息发布等。关注公众号可邀请加入免费版的知识星球和技术交流群。
• 04.25 10:34:37
  发表了文章 2022-04-25 10:34:37

  计算机视觉中的神经网络可视化工具与项目

  本文介绍了一些关于神经网络可视化的项目，主要有CNN解释器，特征图、卷积核、类可视化的一些代码和项目，结构可视化工具，网络结构手动画图工具。

  
• 04.25 10:29:10
  发表了文章 2022-04-25 10:29:10

  ICCV2021 | Tokens-to-Token ViT:在ImageNet上从零训练Vision Transformer ​

  本文介绍一种新的tokens-to-token Vision Transformer(T2T-ViT)，T2T-ViT将原始ViT的参数数量和MAC减少了一半，同时在ImageNet上从头开始训练时实现了3.0%以上的改进。通过直接在ImageNet上进行训练，它的性能也优于ResNet，达到了与MobileNet相当的性能

  
• 04.25 10:20:25
  发表了文章 2022-04-25 10:20:25

  ICCV2021 | 用于视觉跟踪的学习时空型transformer

  本文介绍了一个端到端的用于视觉跟踪的transformer模型，它能够捕获视频序列中空间和时间信息的全局特征依赖关系。在五个具有挑战性的短期和长期基准上实现了SOTA性能，具有实时性，比Siam R-CNN快6倍。

  
• 04.25 10:16:17
  发表了文章 2022-04-25 10:16:17

  ICCV2021 | TOOD：任务对齐的单阶段目标检测

  单阶段目标检测通常通过优化目标分类和定位两个子任务来实现，使用具有两个平行分支的头部，这可能会导致两个任务之间的预测出现一定程度的空间错位。本文提出了一种任务对齐的一阶段目标检测(TOOD)，它以基于学习的方式显式地对齐这两个任务。

  
• 04.25 09:56:32
  发表了文章 2022-04-25 09:56:32

  计算机视觉中的transformer模型创新思路总结

  本文回顾了ViT的结构，总结了计算机视觉中的transformer的主要改进思路：改进分块，改进位置编码，改进Encoder，增加Decoder。每个思路下都介绍了相关的论文，介绍了这些论文的提出出发点和改进思路。 本文的目的不在于介绍transformer现在有哪些模型，而在于学习借鉴别人发现问题并改进的思路，从而在自己方向上提出合适且合理的改进。

  
• 04.25 09:48:31
  发表了文章 2022-04-25 09:48:31

  ICCV2021 | 渐进采样式Vision Transformer

  ViT通过简单地将图像分割成固定长度的tokens，并使用transformer来学习这些tokens之间的关系。tokens化可能会破坏对象结构，将网格分配给背景等不感兴趣的区域，并引入干扰信号。

  
• 04.25 09:44:15
  发表了文章 2022-04-25 09:44:15

  ICCV2021 | Swin Transformer: 使用移位窗口的分层视觉Transformer

  本文解读的论文是ICCV2021中的最佳论文，在短短几个月内，google scholar上有388引用次数，github上有6.1k star。

  
• 04.25 09:38:55
  发表了文章 2022-04-25 09:38:55

  ICCV2021 | SOTR:使用transformer分割物体

  本文介绍了现有实例分割方法的一些缺陷，以及transformer用于实例分割的困难，提出了一个基于transformer的高质量实例分割模型SOTR。 经实验表明，SOTR不仅为实例分割提供了一个新的框架，还在MS Coco数据集上超过了SOTA实例分割方法。

  
• 04.25 09:35:07
  发表了文章 2022-04-25 09:35:07

  ML2021 | (腾讯)PatrickStar：通过基于块的内存管理实现预训练模型的并行训练

  目前比较常见的并行训练是数据并行，这是基于模型能够在一个GPU上存储的前提，而当这个前提无法满足时，则需要将模型放在多个GPU上。现有的一些模型并行方案仍存在许多问题，本文提出了一种名为PatrickStar的异构训练系统。PatrickStar通过以细粒度方式管理模型数据来更有效地使用异构内存，从而克服了这些缺点。

  
• 04.25 09:29:19
  发表了文章 2022-04-25 09:29:19

  ICCV2021 | PnP-DETR：用Transformer进行高效的视觉分析

  DETR首创了使用transformer解决视觉任务的方法，它直接将图像特征图转化为目标检测结果。尽管很有效，但由于在某些区域(如背景)上进行冗余计算，输入完整的feature maps的成本会很高。 在这项工作中，论文将减少空间冗余的思想封装到一个新的轮询和池(Poll and Pool, PnP)采样模块中，该模块具有通用和即插即用的特点，利用该模块构建了一个端到端的PnP-DETR体系结构，该体系结构可以自适应地在空间上分配计算，以提高计算效率。

  
• 04.25 09:23:46
  发表了文章 2022-04-25 09:23:46

  ICCV2021 | 医学影像等小数据集的非自然图像领域能否用transformer？ ​

  医学领域的数据集具有标注样本少、图像非自然的特点，transformer已经证明了在自然图像领域下的成功，而能否应用于医学领域等少量标注样本的非自然图像领域呢？ 本文研究比较了CNN和ViTs在三种不同初始化策略下在医学图像任务中的表现，研究了自监督预训练对医学图像领域的影响，并得出了三个结论。

  
• 04.25 09:16:37
  发表了文章 2022-04-25 09:16:37

  ICCV2021 | Vision Transformer中相对位置编码的反思与改进

  在计算机视觉中，相对位置编码的有效性还没有得到很好的研究，甚至仍然存在争议，本文分析了相对位置编码中的几个关键因素，提出了一种新的针对2D图像的相对位置编码方法，称为图像RPE(IRPE)。

  
• 04.25 09:11:38
  发表了文章 2022-04-25 09:11:38

  ICCV2021 | TransFER：使用Transformer学习关系感知的面部表情表征

  人脸表情识别(FER)在计算机视觉领域受到越来越多的关注。本文介绍了一篇在人脸表情识别方向上使用Transformer来学习关系感知的ICCV2021论文，论文提出了一个TransFER模型，在几个FER基准数据集上取得了SOTA性能。

  
• 04.25 09:06:34
  发表了文章 2022-04-25 09:06:34

  2021-视频监控中的多目标跟踪综述

  本文来自一篇2021的论文，论文简要回顾了现有的SOTA模型和MOT算法、对多目标跟踪中的深度学习进行了讨论、介绍了评估方面的指标、数据集和基准结果，最后给出了结论。

  
• 04.25 09:03:26
  发表了文章 2022-04-25 09:03:26

  CVPR2021 | SETR: 使用 Transformer 从序列到序列的角度重新思考语义分割

  本文介绍了一篇CVPR2021的语义分割论文，论文将语义分割视为序列到序列的预测任务，基于transformer作为编码器，介绍了三种解码器方式，选择其中效果最好的解码器方式与transformer编码器组成了一个新的SOTA模型--SETR。

  
• 04.24 19:38:44
  发表了文章 2022-04-24 19:38:44

  经典论文系列 | 缩小Anchor-based和Anchor-free检测之间差距的方法：自适应训练样本选择 ​

  本文介绍一篇CVPR2020的论文，它在paperswithcode上获得了16887星，谷歌学术上有261的引用次数。 论文主要介绍了目标检测现有的研究进展、anchor-based和anchor-free的背景和各自的方法差异，并提出了一种新的正负样本选择方案，用于消除这两者之间的差距。

  
• 04.24 19:34:48
  发表了文章 2022-04-24 19:34:48

  单阶段实例分割综述

  本文比较全面地介绍了实例分割在单阶段方法上的进展，根据基于局部掩码、基于全局掩码和按照位置分割这三个类别，分析了相关19篇论文的研究情况，并介绍了它们的优缺点。

  
• 04.24 19:27:27
  发表了文章 2022-04-24 19:27:27

  CVPR2021提出的一些新数据集汇总

  在《论文创新的常见思路总结》(点击标题阅读)一文中，提到过一些新的数据集或者新方向比较容易出论文。因此纠结于选择课题方向的读者可以考虑以下几个新方向。文末附相关论文获取方式。

  
• 04.24 19:23:56
  发表了文章 2022-04-24 19:23:56

  使用 PyTorch Lightning 将深度学习管道速度提高 10 倍

  本文介绍了如何使用 PyTorch Lightning 构建高效且快速的深度学习管道，主要包括有为什么优化深度学习管道很重要、使用 PyTorch Lightning 加快实验周期的六种方法、以及实验总结。

  
• 04.24 19:19:49
  发表了文章 2022-04-24 19:19:49

  名词解释 | Anchor Boxes—高质量目标检测的关键

  本文介绍了anchor的基本概念，基于anchor的实际应用流程，以及anchor的设置

  
• 04.24 19:10:12
  发表了文章 2022-04-24 19:10:12

  深度学习中的人体姿态估计概述

  本文概述了多人姿态估计任务，重点介绍了深度学习中的一些多人姿态估计方法，并简要介绍了多人姿态估计的应用场景。

  
• 04.24 19:03:24
  发表了文章 2022-04-24 19:03:24

  神经网络的初始化方法总结 | 又名“如何选择合适的初始化方法” ​

  本文介绍了为什么初始化很重要，总结了常用的几种初始化方法：全零或等值初始化、正态初始化、均匀初始化、Xavier初始化、He初始化和Pre-trained初始化，并介绍了几个还活跃的初始化方向：数据相关初始化、稀疏权重矩阵和随机正交矩阵初始化。

  
• 04.24 15:01:22
  发表了文章 2022-04-24 15:01:22

  Batch Size对神经网络训练的影响

  这篇文章非常全面细致地介绍了Batch Size的相关问题。结合一些理论知识，通过大量实验，文章探讨了Batch Size的大小对模型性能的影响、如何影响以及如何缩小影响等有关内容。

  
• 04.24 14:47:30
  发表了文章 2022-04-24 14:47:30

  padding在深度学习模型中重要吗？

  本文介绍了两个实验，展示了padding在深度学习模型中的影响

  
• 04.24 14:39:57
  发表了文章 2022-04-24 14:39:57

  轻量化模型系列--GhostNet：廉价操作生成更多特征

  由于内存和计算资源有限，在嵌入式设备上部署卷积神经网络 (CNN) 很困难。特征图中的冗余是那些成功的 CNN 的一个重要特征，但在神经架构设计中很少被研究

  
• 04.24 14:36:41
  发表了文章 2022-04-24 14:36:41

  ICCV2021 | MicroNet：以极低的 FLOPs 改进图像识别

  这篇论文旨在以极低的计算成本解决性能大幅下降的问题。提出了微分解卷积，将卷积矩阵分解为低秩矩阵，将稀疏连接整合到卷积中。提出了一个新的动态激活函数-- Dynamic Shift Max，通过最大化输入特征图与其循环通道移位之间的多个动态融合来改善非线性。

  
• 04.24 14:33:25
  发表了文章 2022-04-24 14:33:25

  边缘 AI 平台的比较

  边缘 AI 是当今一个非常令人兴奋的领域，有很多发展和创新即将到来。多年来，机器学习预测有一个明显的趋势，即向下移动到更接近用户、不需要网络连接并且可以实时解决复杂问题（例如自动驾驶）的嵌入式硬件。有许多新框架和引擎的模型占用空间要小得多，专门设计用于在 Edge 设备上运行。此外，当用户的个人数据不离开边缘设备时，解决用户隐私和安全的非常重要的问题要容易得多。分析推理结果的复杂算法可以在边缘设备上执行，只将最终混淆的信息发送到云端（例如，某些异常情况的警报）。

  
• 04.24 14:29:28
  发表了文章 2022-04-24 14:29:28

  CVPR2021 | 重新思考BatchNorm中的Batch

  公众号在前面发过三篇分别对BatchNorm解读、分析和总结的文章(文章链接在文末)，阅读过这三篇文章的读者对BatchNorm和归一化方法应该已经有了较深的认识和理解。在本文将介绍一篇关于BatchNorm举足轻重的论文，这篇论文对进行了很多实验，非常全面地考虑了BatchNorm中的Batch

  
• 04.24 14:25:09
  发表了文章 2022-04-24 14:25:09

  ICCV2021 |重新思考人群中的计数和定位：一个纯粹基于点的框架

  在人群中定位个体更符合后续高级人群分析任务的实际需求，而不是简单地计数。然而，现有的基于定位的方法依赖于作为学习目标的中间表示（即密度图或伪框）是违反直觉和容易出错的。

  
• 04.24 14:21:34
  发表了文章 2022-04-24 14:21:34

  ICCV2021 | 重新思考视觉transformers的空间维度 ​

  由于基于transformers的架构在计算机视觉建模方面具有创新性，因此对有效架构的设计约定的研究还较少。从 CNN 的成功设计原则出发，我们研究了空间维度转换的作用及其对基于transformers的架构的有效性

  
• 04.24 14:18:39
  发表了文章 2022-04-24 14:18:39

  CVPR2021 | Transformer用于End-to-End视频实例分割

  视频实例分割（VIS）是一项需要同时对视频中感兴趣的对象进行分类、分割和跟踪的任务。本文提出了一种新的基于 Transformers 的视频实例分割框架 VisTR，它将 VIS 任务视为直接的端到端并行序列解码/预测问题。

  
• 04.24 14:15:25
  发表了文章 2022-04-24 14:15:25

  漫谈CUDA优化

  前言： 几个月前，我根据 Simoncelli 2016 年的论文编写了自己的自动编码器，用于研究目的。一开始，我想使用一些流行的深度学习框架（例如 Tensor Flow、Caffe2 或 MXNet）来做我的实验。

  
• 04.24 14:10:03
  发表了文章 2022-04-24 14:10:03

  综述专栏 | 姿态估计综述

  顾名思义，通过姿势估计，我们尝试从图像中推断出物体或人的姿势。这涉及识别和定位身体上的关键点。由于身体的小关节、遮挡和缺乏上下文、旋转和方向，关键点的识别是一项非常具有挑战性的任务。在本文其余部分将主要关注人体姿势估计的情况下，膝盖、肘部、肩部和手腕等主要关节代表这些关键点。

  
• 04.24 14:00:40
  发表了文章 2022-04-24 14:00:40

  为什么GEMM是深度学习的核心

  在之前写的一篇计算机视觉入门路线文章中，我推荐大家在不用任何框架、只使用numpy这种包的情况下，从零实现一个卷积神经网络。其中一个很重要的因素就是在这个过程中大家会了解到卷积过程在底层中是如何优化实现的，其主流的方法就是GEMM。这篇博客比较细致地介绍了什么是GEMM，以及它的优缺点。

  
• 04.24 13:57:04
  发表了文章 2022-04-24 13:57:04

  经典论文系列 | 目标检测--CornerNet & 又名 anchor boxes的缺陷

  目标检测的预测框经过了滑动窗口、selective search、RPN、anchor based等一系列生成方法的发展，到18年开始，开始流行anchor free系列，CornerNet算不上第一篇anchor free的论文，但anchor freee的流行却是从CornerNet开始的，其中体现的一些思想仍值得学习

  
• 04.24 13:51:26
  发表了文章 2022-04-24 13:51:26

  不带Anchors和NMS的目标检测

  目标检测是计算机视觉中的一项传统任务。自2015年以来，人们倾向于使用现代深度学习技术来提高目标检测的性能。虽然模型的准确性越来越高，但模型的复杂性也增加了，主要是由于在训练和NMS后处理过程中的各种动态标记。这种复杂性不仅使目标检测模型的实现更加困难，而且也阻碍了它从端到端风格的模型设计。

  
• 04.24 13:46:35
  发表了文章 2022-04-24 13:46:35

  使用Dice loss实现清晰的边界检测

  在深度学习和计算机视觉中，人们正在努力提取特征，为各种视觉任务输出有意义的表示。在一些任务中，我们只关注对象的几何形状，而不管颜色、纹理和照明等。这就是边界检测的作用所在。

  
• 04.24 13:44:11
  发表了文章 2022-04-24 13:44:11

  PVT--无卷积密集预测的多功能backbone

  受transformer在自然语言处理(NLP)的成功，许多研究人员正试图探索transformer的应用，一些工作模型视觉任务作为字典查找问题可学习查询，并使用transformer decoder作为一个特定任务的头的CNN主干，如VGG和ResNet。而一些现有技术已经将注意力模块纳入到CNNs中。

  
• 04.24 13:38:34
  发表了文章 2022-04-24 13:38:34

  MobileNet系列之MobileNet_v3

  继MobileNet_v1和v2提出后，在2019年，MobileNet_v3在众人的期盼下出来了，MobileNet_v3论文提出了两个模型，MobileNet_v3-Large和MobileNet_v3-small，其主要区别在于层数不同（其余设计都一样），此外还包括一个用于语义分割的MobileNet_v3-Large LRASPP模型。