来看看微软亚洲研究院的一些牛人推荐的计算机视觉项目，希望对我们的同学们在图像算法方向选择有所帮助。主要分为目标检测，语义和实例分割，人体姿态估计，人脸对齐，高效轻量卷积神经网络结构设计，行人重新识别，视频目标检测，目标跟踪，最近邻搜索等领域。目标检测1. HRNet-对象检测微软亚洲研究院视觉计算小组提出的一种新的骨干网络结构可以学习高分辨率表示并提高目标的空间精度，尤其是小目标。...

Nature的出版物Machine Intelligence在8月份发布了最新的接收论文，共有四篇。其中两人来自中国，一位来自清华生命学院的龚海鹏，另一位来自澳大利亚格里菲斯大学的周耀琦。他们使用神经网络进行蛋白质结构预测。另一个是中国科学院自动化研究所的神经网络余山团队。持续学习的改进。值得一提的是，这两篇文章也是国内学者在NMI期刊上首次出版。本文介绍了两个非常有趣和深刻的概念：...

团队信息摘要现代的语义分割方法通常过于关注模型的准确性，因此引入繁琐的主干，这会带来沉重的计算负担和内存占用。为了解决这个问题，作者提出了一种基于深度卷积神经网络（DCNN）的高效分割方法，用于头发和面部皮肤分割任务，该方法在三个基准数据集上实现了速度和性能之间的显着权衡。据我们所知，由于外界环境因素（例如照明和背景噪声）的影响，肤色分类的准确性通常不令人满意。因此，使用分割后的人...

由于大多数现实环境是三维的，因此理想情况下，应针对3D数据训练旨在分析视频或现实环境中的完整任务的深度学习模型。诸如机器人，自动驾驶汽车，智能手机和其他设备之类的技术工具目前正在产生越来越多的3-D数据，最终可以由深度学习算法对其进行处理。但是，到目前为止，在如此大量的3D数据上训练深度学习算法一直相对困难，因为某些人工智能（AI）研究人员只能访问必要的工具和平台。为了解决缺乏现成的工具的...

作者介绍3D多对象跟踪（MOT）和轨迹预测是目前3D感知系统中的两个关键组件，需要对多主体交互进行精确建模。我们假设将两个任务统一在一个框架下以了解代理交互的共享特征表示是有益的。为了评估此假设，作者提出了3D MOT和轨迹预测的统一解决方案，其中还合并了两个其他新颖的计算单元。首先，我们通过引入图形神经网络（GNN）来提出一种功能交互技术，以捕获多个代理相互交互的方式。G...

像素方式图像分割是计算机视觉中充分研究的问题。语义图像分割的任务是对图像中的每个像素进行分类。在这篇文章中，我们将讨论如何使用深度卷积神经网络进行图像分割。我们还将深入研究管道的实施 - 从准备数据到构建模型。代码地址：https：//github.com/divamgupta/image-segmentation-keras深度学习和卷积神经网络（CNN）在计算机视觉领域极为普遍。C...

自2012年AlexNet在CNN的发展以来，科学家们发明了各种CNN模型，一种更深，一种更准确，一种更轻。我将简要回顾一下近年来的一些革命性工作，并从这些创新工作中探讨CNN未来变革的方向。注意：由于水平有限，以下意见可能有偏见。我希望丹尼尔可以纠正他们。此外，仅介绍代表性模型。由于原理相同，不会引入一些着名的模型。如果有遗漏，欢迎您指出。1.卷积只能在同一组中进行吗？组卷积分组...

最近世界卫生组织（W.H.O.）宣布2019年冠状病毒病（NCOV-19）是一种流行病，其特征是新型冠状病毒在全球范围内迅速蔓延。随着各国政府争先恐后地关闭边界，进行接触者追踪并提高对个人卫生的认识以努力遏制病毒的传播。由于预计全世界每天的实际病例都会迅速增加，限制诊断的一个重要因素是病毒病理学检查的持续时间，这种检查通常在市中心的实验室中进行，而实验室通常需要耗时的精度。这引...

在本文中，我将通过一个车辆检测示例演示如何使用深度学习创建目标检测器。相同的步骤可用于创建任何目标探测器。我经常有朋友和同事问我自动驾驶系统如何感知周围的环境并做出“人类”的决定。目标检测是指对图像和视频中的目标进行定位和分类。下图显示了一个三类车辆检测器的输出，该检测器对每种类型的车辆进行定位和分类。由车辆检测器显示的输出，用于定位和分类不同类型的车辆在创建车辆检测仪之前...

作者介绍近来混合样本数据增强（MSDA）受到越来越多的关注，其中包括许多成功的变体，例如MixUp和Cut-Mix。作者在论文中提出了FMix，它是一种MSDA，它使用将阈值应用于从傅立叶空间采样的低频图像而获得的二进制掩码。通过一系列数据集和问题集的最新模型，提高了MixUp和CutMix的性能。我们继续从信息理论的角度对MixUp，CutMix和FMix进行分...