「CV」 掌纹识别资源汇总
XAI
通用目标检测资源、GAN 资源、自编码器资源
论文汇总
又叫「特征嵌入」,使用模型学习到输入数据的低维表示——特征,然后可以将其应用于各种任务; 无监督学习资源
已知弱标签,去学习强标签的问题:标签的强弱指的是标签蕴含的信息量的多少,比如相对于分割的标签来说,检测的标签就是弱标签;想对于检测,分类就是弱标签;例如已知一幅图上有一只猫,那么找到猫在哪里的过程就是标签提升——弱监督问题;
一组数据共用一个标签,模型负责预测一组数据的标签或预测出单条数据的标签:其中一组数据被称为数据包;比如一段视频只做一个分类标记;
通用物体分类资源
通用图像生成资源、人脸生成资源、季节变换资源、对抗生成网络资源 style transfer
比图像修复更进一步,能从一个图像片段“推断”出外延的部分,补全成整个画面;是斯坦福大学 CS230 课程中 Mark Sabini 的期末作品;
修补图像中少量的缺失;
替换掉图像中的某些物件或部位;
对抗生成网络资源、通用图像生成资源、风格迁移资源、人脸生成资源
计算两个序列的相似度,可找到两者公共的部分,可带容错; 字符串匹配
通用物体分割资源
通用物体分割资源
通用物体分割资源
检测行人和人体各部位; 通用目标检测资源
相关资料:视频描述资源汇总
通用物体分类资源,通用目标检测资源,自动驾驶资源
交通场景中分割出车辆; 通用物体分割资源
找到不同交通场景中的同一个车辆; 图片检索资源、车辆分割资源、车辆检测资源
找到产品中的瑕疵区域;
通用图像编辑资源
通用图像生成资源、风格迁移资源、季节变换资源、对抗生成网络资源
相关资料:图片描述资源汇总
相关资料:视频检索资源 · 图像检索资源
通用目标检测资源,自动驾驶资源
光学字符识别;感觉在 2017 年爆炸了; 相关资源:目标检测资源
扩大图像的分辨率,获得清晰画质;在医疗和卫星成像上有着重要应用;
在不影响数字载体(包括多媒体——图片、视频、音频,文档,软件等)使用价值的情况下,将标识信息嵌入到载体中; 数字水印侧重于水印信息的鲁棒性,隐写侧重中水印信息的隐蔽性;
识别出不匹配预期模式或数据;异常也被称为离群值、新奇、噪声、偏差和例外;
相关资源:对抗攻击概述
video inpaint
车辆相关属性识别; 物体分类资源
相似视频检索: 相似指的是通过修改原视频的到新的视频; 相关资料:检索概述 · 图像检索资源 · 音频检索资源
video localization
诸多视频分析技术都是以关键帧提取作为基础,在此就做一个汇总; 相关资源:关键帧提取概述
根据输入的文字找到图片中的物体; 通用目标检测资源,通用物体分割资源
训练数据不包含标注信息的情况下完成目标任务; 表示学习资源
训练数据中只有一小部分具有标签,根据训练数据完成训练;这种情况常常是因为数据标注困难,比如医疗诊断; 表示学习资源
识别从未见过的数据类别,使模型具有知识迁移的能力;
通用物体分割资源
通用物体分割资源
顶会论文于业界常常具有导向作用;
源码:https://github.com/opencv/opencv docs:https://docs.opencv.org
相关资源:目标检测资源
相关资料:图片检索概述、视频检索资源 · 音频检索资源
FTL:为了应对数据隐私的挑战,最近出现了联邦学习的概念;联邦学习将各团体独立的数据统一管辖,彼此之间在不互通数据的情况下就可以获得模型效果的提升;其核心是各个企业的自有数据不出本地,模型效果不变;
模型量化概述
卷积网络概述
CNN
shot detection · video summary · video synopsis · video key clip extraction · video summarization · key frame Detection
重识别资源汇总
pose estimation · action classification
通用图像修复资源
目标检测概述
给出可以摆放物体的位置;
自编码相关资源;
智能算法在没有人为指导的情况下,通过不断的试错来提升任务性能的过程;
视角转换:改变输入图像的视角; 本文汇总相关资源;
深度估计:根据单张图像得到深度图; 深度估计概述
图1. 三维重建任务概览
1 资料 1.1 推荐书籍
一、 介绍
一、 介绍
一、 介绍
一、 学习目标 理解松耦合设计思想 掌握面向对象设计原则 掌握重构技巧 掌握核心设计模式
阅读这些书可以帮助你避免一些常见的陷阱和错误,一些开发人员早期经历的陷阱和犯过的错误;
https://arxiv.org/list/cs/new
https://arxiv.org/list/cs/new
https://arxiv.org/list/cs/new
https://arxiv.org/list/cs/new
https://arxiv.org/list/cs/new
https://blog.csdn.net/dengbingfeng/article/details/51453851 https://zhuanlan.zhihu.com/p/33625603
视频业务相关企业