丁香五月天婷婷久久婷婷色综合91|国产传媒自偷自拍|久久影院亚洲精品|国产欧美VA天堂国产美女自慰视屏|免费黄色av网站|婷婷丁香五月激情四射|日韩AV一区二区中文字幕在线观看|亚洲欧美日本性爱|日日噜噜噜夜夜噜噜噜|中文Av日韩一区二区

您正在使用IE低版瀏覽器,為了您的雷峰網(wǎng)賬號(hào)安全和更好的產(chǎn)品體驗(yàn),強(qiáng)烈建議使用更快更安全的瀏覽器
此為臨時(shí)鏈接,僅用于文章預(yù)覽,將在時(shí)失效
人工智能 正文
發(fā)私信給楊曉凡
發(fā)送

0

Facebook介紹ICCV2017收錄論文,其中五分之一都有何愷明的名字(附下載鏈接)

本文作者: 楊曉凡 編輯:郭奕欣 2017-10-23 17:42 專題:ICCV 2017
導(dǎo)語(yǔ):15篇Facebook論文中,3篇都出現(xiàn)了何愷明的名字~ 還有一篇有李飛飛

Facebook介紹ICCV2017收錄論文,其中五分之一都有何愷明的名字(附下載鏈接)

雷鋒網(wǎng) AI 科技評(píng)論按:本周,全球的計(jì)算機(jī)視覺專家們即將齊聚威尼斯參加 ICCV (International Conference on Computer Vision)2017,展示計(jì)算機(jī)視覺和相關(guān)領(lǐng)域的最新研究進(jìn)展。ICCV由IEEE主辦,與計(jì)算機(jī)視覺模式識(shí)別會(huì)議(CVPR)和歐洲計(jì)算機(jī)視覺會(huì)議(ECCV)并稱計(jì)算機(jī)視覺方向的三大頂級(jí)會(huì)議。CVPR每年召開一次,而ECCV和ICCV在世界范圍內(nèi)每年間隔召開。ICCV論文錄用率很低,也符合它頂級(jí)會(huì)議的地位。

今年ICCV中,F(xiàn)acebook有15篇論文被收錄,同時(shí)Facebook的研究員們也會(huì)參與多個(gè)workshop和tutotial??傮w情況而言,ICCV 2017 共收到2143篇論文投稿,其中621篇被選為大會(huì)論文,錄用比例29%。下面是Facebook此次收錄的論文列表,按照不同的研究主題分組。(雷鋒網(wǎng) AI 科技評(píng)論發(fā)現(xiàn),何愷明有多達(dá)三篇論文被收錄;而谷歌的李飛飛也參與了一篇Facebook的論文)

語(yǔ)義和圖像分割

Mask R-CNN

  • 作者:何愷明,Georgia Gkioxari, Piotr Dollar, Ross Girshick

  • 論文簡(jiǎn)介:這篇論文介紹了一個(gè)新型系統(tǒng),它可以預(yù)測(cè)圖像中的每一個(gè)像素屬于哪一類中的哪一個(gè)物體。也就是說(shuō),這個(gè)系統(tǒng)不僅可以勾畫出圖中羊的輪廓并告訴你它們是羊(這一步屬于語(yǔ)義分割),同時(shí)還能告訴你圖像中的哪些部分對(duì)應(yīng)著哪一只羊(實(shí)例分割)。Mask R-CNN是最早成功達(dá)到這類目標(biāo)的系統(tǒng)之一。Facebook CTO Mike Schroepfer今年早些時(shí)候就在 F8 的主題演講中展示了幾個(gè)Mask R-CNN的應(yīng)用例子。

  • 雷鋒網(wǎng) AI 科技評(píng)論之前寫過(guò)這篇論文的解析文章,參見 Mask R-CNN實(shí)例分割通用框架,檢測(cè),分割和特征點(diǎn)定位一次搞定

Predicting Deeper into the Future of Semantic Segmentation

  • 向著語(yǔ)義分割的未來(lái)做更深遠(yuǎn)的預(yù)測(cè)

  • 作者:Pauline Luc, Natalia Neverova, Camille Couprie, Jakob Verbeek, Yann LeCun

  • 論文簡(jiǎn)介:這篇論文中,作者們開發(fā)了一個(gè)深度學(xué)習(xí)模型,它可以從給定的一幀來(lái)自視頻的畫面嘗試預(yù)測(cè)下一幀會(huì)發(fā)生什么。換句話說(shuō),它在嘗試猜測(cè)視頻中的未來(lái)會(huì)如何。這篇論文表明,得到的模型可以提升計(jì)算機(jī)視覺系統(tǒng)在語(yǔ)義分割之類的任務(wù)中的表現(xiàn)。

Segmentation-Aware Convolutional Networks Using Local Attention Masks

  • 運(yùn)用局部注意力遮罩的分割敏感的卷積網(wǎng)絡(luò)

  • 作者:Adam W. Harley, Konstantinos G. Derpanis, Iasonas Kokkinos

  • 論文簡(jiǎn)介:隨著卷積層不斷向后推進(jìn),卷積神經(jīng)網(wǎng)絡(luò)中的單個(gè)神經(jīng)元要觀察的圖像區(qū)域也越來(lái)越大。這會(huì)帶來(lái)局部性非常差、并且模糊的響應(yīng),就是因?yàn)樯窠?jīng)元要觀察的圖像范圍太大了。在這篇論文中,作者們讓每個(gè)神經(jīng)元只關(guān)注部分感興趣的區(qū)域,從而讓神經(jīng)元的響應(yīng)變得更明確。

Dense and Low-Rank Gaussian CRFs Using Deep Embeddings

  • 使用深度嵌入的密集、低排序高斯CRF算法

  • 作者:Siddhartha Chandra, Nicolas Usunier, Iasonas Kokkinos

  • 論文簡(jiǎn)介:雖然卷積神經(jīng)網(wǎng)絡(luò)可以準(zhǔn)確地把圖像中的像素分為不同的類別(比如汽車,飛機(jī)等等),但臨近區(qū)域的分類結(jié)果卻經(jīng)常不一致,一個(gè)物體的一半可能會(huì)被識(shí)別為“床”,另一半則可能被識(shí)別為“沙發(fā)”。這篇論文提出了一種方法,連接了所有像素的分類結(jié)果,形成連續(xù)一致的預(yù)測(cè)結(jié)果,同時(shí)還保持了很高的效率。

物體識(shí)別

Focal Loss for Dense Object Detection

  • 密集物體檢測(cè)中的焦距損失

  • 作者:Tsung-Yi Lin, Priya Goyal, Ross Girshick, 何愷明, Piotr Dollár

  • 論文簡(jiǎn)介:這篇論文中介紹了一個(gè)用于物體識(shí)別的新系統(tǒng)。它和現(xiàn)有頂尖的物體識(shí)別方案采用了不同的技術(shù)路徑。目前多數(shù)其它系統(tǒng)都由多個(gè)階段組成,每個(gè)階段都由不同的模型實(shí)現(xiàn),這篇論文中設(shè)計(jì)了一個(gè)模型在一個(gè)階段中解決整個(gè)物體識(shí)別問(wèn)題。這種方法的簡(jiǎn)單性極其誘人,因?yàn)檫@讓這個(gè)系統(tǒng)的實(shí)現(xiàn)和使用都簡(jiǎn)單了許多。

  • 雷鋒網(wǎng) AI 科技評(píng)論之前寫過(guò)這篇論文的解析文章,參見 兩屆CVPR最佳論文得主何愷明新作:應(yīng)對(duì)樣本的不平衡分布,刷新密集物體檢測(cè)表現(xiàn)上限

Low-shot Visual Recognition by Shrinking and Hallucinating Features

  • 通過(guò)縮放和變幻進(jìn)行小樣本視覺識(shí)別

  • 作者:Bharath Hariharan, Ross Girshick

  • 論文簡(jiǎn)介:一般來(lái)說(shuō),物體檢測(cè)系統(tǒng)都要先用需要識(shí)別物體的照片進(jìn)行訓(xùn)練,每個(gè)類別都需要數(shù)以千計(jì)的照片。這篇論文針對(duì)的問(wèn)題是如何在僅僅看過(guò)一種新物體的很少幾張樣本后就能對(duì)它進(jìn)行識(shí)別。它使用的方法是產(chǎn)生更多的要學(xué)習(xí)的物體的樣本(縮放和變幻)。

Transitive Invariance for Self-supervised Visual Representation Learning

  • 具有變換不變性的自我監(jiān)督視覺表征識(shí)別

  • 作者:Xiaolong Wang, 何愷明, Abhinav Gupta

  • 論文簡(jiǎn)介:這篇論文的目標(biāo)是為物體檢測(cè)學(xué)習(xí)更好的模型,途徑是觀察視頻中的物體外觀如何變化。比如,視頻中一輛汽車開過(guò),在不同的幀中展示了汽車不同的側(cè)面。由于已知視頻中的每一幀都展示的是同一輛車,用這些信息學(xué)習(xí)的模型就可以更好地理解同一個(gè)物體在不同視角下的樣子。然后就可以用得到的模型改善物體檢測(cè)的效果。

圖像分類

Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization

  • Grad-CAM:通過(guò)基于梯度的本地化展示深度網(wǎng)絡(luò)的視覺解釋

  • 作者:Ramprasaath R. Selvaraju, Michael Cogswell, Abhishek Das, Ramakrishna Vedantam, Devi Parikh, Dhruv Batra

  • 論文簡(jiǎn)介:多數(shù)現(xiàn)代圖像分類系統(tǒng)都基于卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。這些網(wǎng)絡(luò)的表現(xiàn)當(dāng)然很不錯(cuò),但是它們也還在很大程度上是“黑盒子”。這篇論文介紹了一種新的方法可以揭開這個(gè)黑盒子,把圖片中能夠讓系統(tǒng)識(shí)別出結(jié)果的區(qū)域用特定的方式進(jìn)行可視化。

Learning Visual N-Grams from Web Data

  • 從網(wǎng)絡(luò)數(shù)據(jù)學(xué)習(xí)視覺N維信息

  • 作者:Ang Li, Allan Jabri, Armand Joulin, Laurens van der Maaten

  • 論文簡(jiǎn)介:多數(shù)圖像識(shí)別系統(tǒng)都是用人工標(biāo)注的大規(guī)模圖像數(shù)據(jù)庫(kù)訓(xùn)練的,當(dāng)中這個(gè)標(biāo)注過(guò)程又枯燥又無(wú)法擴(kuò)展。這篇論文中開發(fā)了一個(gè)圖像識(shí)別系統(tǒng),它是用5千萬(wàn)張圖像和對(duì)應(yīng)的用戶評(píng)論訓(xùn)練的,不需要人工標(biāo)注。這個(gè)系統(tǒng)可以識(shí)別物體、地標(biāo),以及數(shù)個(gè)單詞長(zhǎng)的場(chǎng)景,比如“金門大橋”或者“自由女神像”。

視覺和語(yǔ)言綜合應(yīng)用

Inferring and Executing Programs for Visual Reasoning

  • 用于視覺推理的推斷和執(zhí)行程序

  • 作者:Justin Johnson, Bharath Hariharan, Laurens van der Maaten, Judy Hoffman, 李飛飛, C. Lawrence Zitnick, Ross Girshick

  • 論文簡(jiǎn)介:這篇論文討論了這樣一個(gè)視覺推理任務(wù):給定一張圖像,要讓模型回答“綠色盒子前面的那個(gè)東西是什么形狀?”模型的工作方式是使用一個(gè)“模塊化網(wǎng)絡(luò)”,這個(gè)網(wǎng)絡(luò)會(huì)把問(wèn)題轉(zhuǎn)換成一個(gè)簡(jiǎn)單的計(jì)算機(jī)程序,然后用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)其中的每一個(gè)指令。這篇論文還展示了一個(gè)新的數(shù)據(jù)集用于視覺推理,名為“CLEVR-Humans”

Learning Cooperative Visual Dialog Agents with Deep Reinforcement Learning

  • 用深度強(qiáng)化學(xué)習(xí)訓(xùn)練合作視覺對(duì)話機(jī)器人

  • 作者:Abhishek Das, Satwik Kottur, Jos. M. F. Moura, Stefan Lee, Dhruv Batra

  • 論文簡(jiǎn)介:這篇論文中,作者們開發(fā)了一個(gè)聊天機(jī)器人,它能回答關(guān)于圖像的問(wèn)題。你可以問(wèn)它“那個(gè)女人的傘是什么顏色的”這樣的問(wèn)題。如果圖像中有兩個(gè)女人,這個(gè)聊天機(jī)器人會(huì)問(wèn)你:“哪個(gè)女人?”你答復(fù)它:“黑色頭發(fā)的那個(gè)”,然后聊天機(jī)器人會(huì)告訴你:“傘是藍(lán)色的?!彪x真正解決這類問(wèn)題還有很遠(yuǎn)的距離,但這是這個(gè)領(lǐng)域的首項(xiàng)研究,對(duì)這個(gè)問(wèn)題做出努力。

Learning to Reason: End-to-End Module Networks for Visual Question Answering

  • 學(xué)習(xí)推理:用于視覺問(wèn)題回答的端到端模型網(wǎng)絡(luò)

  • 作者:Ronghang Hu, Jacob Andreas, Marcus Rohrbach, Trevor Darrell, Kate Saenko

  • 論文簡(jiǎn)介:這篇論文介紹了一種用于回答“紫色的圓柱體左側(cè)的球是什么顏色”這類問(wèn)題的新方法。在新方法中,問(wèn)題會(huì)首先被轉(zhuǎn)換為一個(gè)小型計(jì)算機(jī)程序;然后程序中的每個(gè)指令都會(huì)由一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)執(zhí)行。程序生成器和程序執(zhí)行器都是從成對(duì)的圖像和問(wèn)題中學(xué)習(xí)的。

Speaking the Same Language: Matching Machine to Human Captions by Adversarial Training

  • 講一樣的話:通過(guò)對(duì)抗性訓(xùn)練讓機(jī)器符合人類生成的標(biāo)題

  • 作者:Rakshith Shetty, Marcus Rohrbach, Lisa Anne Hendricks, Mario Fritz, Bernt Schiele

  • 論文簡(jiǎn)介:這篇論文要處理的問(wèn)題是圖像標(biāo)題的自動(dòng)生成,也就是說(shuō),用自然語(yǔ)言描述一副圖像。主要的技術(shù)創(chuàng)新是,它嘗試讓系統(tǒng)生成的標(biāo)題更像是人類生成的。

圖像生成

Unsupervised Creation of Parameterized Avatars

  • 無(wú)監(jiān)督創(chuàng)作參數(shù)化漫畫照片

  • 作者:Lior Wolf, Yaniv Taigman, Adam Polyak

  • 論文簡(jiǎn)介:這篇論文中開發(fā)了一個(gè)新的系統(tǒng),它可以基于一張正常的臉部照片,生成一個(gè)看起來(lái)很像你的漫畫照片。主要的技術(shù)創(chuàng)新是,系統(tǒng)是以一種無(wú)監(jiān)督的方法訓(xùn)練的。這意味著它并不是用成對(duì)的臉部照片和對(duì)應(yīng)的漫畫照片訓(xùn)練的,它拿到的只有整整一組人臉照片和另一組漫畫的照片。系統(tǒng)會(huì)自動(dòng)學(xué)習(xí)如何找到人臉照片和漫畫照片之間的對(duì)應(yīng)關(guān)系。

3D視覺

Deltille Grids for Geometric Camera Calibration

  • 用于幾何相機(jī)矯正的Deltille網(wǎng)格

  • 作者:Hyowon Ha, Michal Perdoch, Hatem Alismail, In So Kweon, Yaser Sheikh

  • 論文簡(jiǎn)介:物體的三維模型在很多場(chǎng)景下都會(huì)用到,比如虛擬顯示VR中。在一個(gè)圓頂一樣的空間內(nèi)布置上百個(gè)相機(jī),讓它們同時(shí)拍一張照片,就可以建立出一個(gè)三維模型。這些相機(jī)都需要先進(jìn)行校準(zhǔn),這樣如果系統(tǒng)知道所有相機(jī)的確切位置,它就可以把所有的照片都進(jìn)行合并,生成這個(gè)物體的三維模型。在過(guò)去的幾十年中,相機(jī)的校準(zhǔn)工作都是通過(guò)拍一張標(biāo)準(zhǔn)標(biāo)定板完成的。這篇文章中的成果表明,如果拍攝一張帶有三角形區(qū)域的標(biāo)定板,相機(jī)可以被校準(zhǔn)得更加準(zhǔn)確。

論文下載

為了方便國(guó)內(nèi)的小伙伴們閱讀,我們已經(jīng)把這15篇論文從Facebook官網(wǎng)搬運(yùn)并打包,下載地址 https://pan.baidu.com/s/1missH9e 

其它ICCV活動(dòng)

除了以上的收錄論文外,F(xiàn)acebook還會(huì)參加以下的多個(gè)Tutorial和Workshop

  • Instance-Level Visual Recognition Tutorial(何愷明會(huì)去這個(gè),有同學(xué)想要去現(xiàn)場(chǎng)堵他的嗎?)

  • Closing the Loop between Vision and Language Workshop

  • Generative Adversarial Networks tutorial

  • Role of Simulation in Computer Vision workshop

  • Workshop on Web-Scale Vision and Social Media

  • Workshop on Computer Vision for Virtual Reality

  • COCO + Places Workshop

  • PoseTrack Challenge Workshop

ICCV2017期間,雷鋒網(wǎng) AI 科技評(píng)論也會(huì)繼續(xù)發(fā)出更多相關(guān)報(bào)道,請(qǐng)繼續(xù)關(guān)注。

雷峰網(wǎng)版權(quán)文章,未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。

Facebook介紹ICCV2017收錄論文,其中五分之一都有何愷明的名字(附下載鏈接)

分享:
相關(guān)文章

讀論文為生

日常笑點(diǎn)滴,學(xué)術(shù)死腦筋
當(dāng)月熱門文章
最新文章
請(qǐng)?zhí)顚懮暾?qǐng)人資料
姓名
電話
郵箱
微信號(hào)
作品鏈接
個(gè)人簡(jiǎn)介
為了您的賬戶安全,請(qǐng)驗(yàn)證郵箱
您的郵箱還未驗(yàn)證,完成可獲20積分喲!
請(qǐng)驗(yàn)證您的郵箱
立即驗(yàn)證
完善賬號(hào)信息
您的賬號(hào)已經(jīng)綁定,現(xiàn)在您可以設(shè)置密碼以方便用郵箱登錄
立即設(shè)置 以后再說(shuō)