导读：距离我们比较近的，国内疫情形势已经收敛，坐等3月底旷视框架开源，华为云发布了旗下的2020“新旗舰”——鲲鹏云手机；距离我们比较远...
华为诺亚方舟实验室联合北京大学和悉尼大学发布论文《DAFL：Data-Free Learning of Student Networks》，提出了在无数据情况下的网络蒸...
IEEE国际计算机视觉与模式识别会议 CVPR 2020 (IEEE Conference on Computer Vision and Pattern Recognition) 将于 6 月 14-19 日在美...
损失函数在模型的性能中起着关键作用。选择正确的损失函数可以帮助你的模型学习如何将注意力集中在数据中的正确特征集合上，从而获得最...
与本文比较相关的是本人之前分享的图像超分：RealSR。感兴趣者可以两者参考的学习一下，训练数据与对比模型均源自RealSR一文。来源: [链...
作为计算机视觉领域三大顶会之一，每年一届的CVPR（IEEE Conference on Computer Vision and Pattern Recognition）备受关注，论文投稿...
旷视研究院基础模型（Model）组提出了一种新的带有不确定性的边界框回归损失，可用于学习更准确的目标定位。该文已被CVPR2019接收。
在Long Beach开CVRP中途抽空写了一下我们这次被接收的工作：Self-Supervised Learning via Conditional Motion Propagation [1] 的一些...
在本文中，旷视（南京）研究院对基于深度学习的细粒度图像分析进行了综述，从细粒度图像识别、检索和生成三个方向展开论述。此外，旷视...
DCNN在图像去噪领域取得了极大的关注，然而仍存在两个缺陷：（1）训练困难；（2）性能饱和。为解决上述问题，作者设计了一种称之为BRDNe...
本文介绍的论文提出了一种新的实时通用语义分割体系结构RGPNet，在复杂环境下取得了显著的性能提升。作者： Tom Hardy首发：3D视觉工坊...
本文主要介绍基于深度神经网络的表格图像识别解决方案。作者系腾讯QQ研发中心——CV应用研究组的yonke。来源：腾讯技术工程微信号
这是2019年12月9日至14日在温哥华举行的NeurIPS 2019的概述(笔记)。这篇文章中提到的所有论文都是在计算机视觉领域。作者：Maria Dobko...
给定应用场景，设计CNN的过程往往需要花费大量的人力与物力。架构中立的CNN结构可以无缝对接插入到现有网络中并提升性能，如𝑂𝐶𝑇𝐶𝑜𝑛𝑣，𝑆𝐸...
不确定性估计的发展已经有很长的历史，但是到最近才开始被基于深度学习的计算机视觉工作所应用，因此是一个很新的领域。本文为旷视危夷...
我们身处的环境本身多模态环境，人工智能要更好的理解环境，则需要具备解析多模态信息的能力。通过模态学习可以搭建能处理和连接多模态...
本篇文章汇总了17篇6D姿态估计的算法，包括论文，开源代码及解读，欢迎关注。作者： Tom Hardy首发：3D视觉工坊微信公众号
旷视研究院提出一个轻量级的两阶段目标检测器，称之为 ThunderNet，其设计针对的是当前最优的两阶段检测器中的最耗计算量的结构。相较于...
KITTI数据集由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该...
物体检测器通常使用图像分类网络的Backbone，由于和检测任务存在一定差异，这些Backbone往往不是最优的。本文中，旷视研究院提出DetNAS...
