前言

近期開源的項目真不少，一方面CVPR 2020錄用結果放出，所以大量的CVPR 2020論文以及相應的代碼也逐漸放出。本文將重點介紹近期比較值得關注的3個開源項目（PointRend、EfficientDet和SimCLR），后面會單獨針對CVPR 2020 細分方向進行開源項目介紹。

PointRend

論文鏈接：https://arxiv.org/abs/1912.08193

代碼鏈接：

https://github.com/facebookresearch/detectron2/tree/master/projects/PointRend

實際上本篇論文不僅剛剛開源，而且還收錄于CVPR 2020（Oral）。另外說一下，何愷明大神今年拿下3篇 CVPR 2020，而且都是Oral。

本研究的中心思想是將圖像分割看作一個渲染問題，并采用計算機圖形學中的經典思想來有效地“渲染”高質量的標簽圖。基于這個計算思想提出一個新的神經網絡模塊，稱為PointRend，它使用subdivision策略自適應地選擇一組非均勻的點來計算標簽。

PointRend可以被合并到流行的元架構中，用于實例分割(如Mask R-CNN)和語義分割(如FCN)。它的subdivision策略使用的浮點運算比直接的密集計算要少一個數量級，從而可以有效地計算高分辨率分割圖。

將PointRend應用于實例分割

將PointRend與表1中Mask R-CNN中默認的4×conv head進行比較。

關于論文解讀詳見：

何愷明團隊新作PointRend：將圖像分割視作渲染問題，顯著提升語義/實例分割性能！

EfficientDet

論文鏈接：https://arxiv.org/abs/1911.09070

代碼鏈接：

https://github.com/google/automl/tree/master/efficientdet

實際上本篇論文也是收錄于 CVPR 2020 中！

當時論文剛出來的時候，看到 COCO 數據集上 51.0 mAP！直接驚呆了！模型又輕量又高效，正好代碼10天前開源，大家可以上手使用一番。

不過要注意的是目前開源的是EfficientDet-D0到EfficientDet-D6，原論文中的EfficientDet-D7沒有了（而且新論文修正了這一點，也是把EfficientDet-D7刪掉了）。不過問題不大，EfficientDet-D6 的 51.0 mAP 也夠我們用了！

關于論文解讀詳見：

一騎絕塵的EfficientNet和EfficientDet

SimCLR

論文鏈接：https://arxiv.org/abs/2002.05709

代碼鏈接：

https://github.com/google-research/simclr

近期無監督學習方面的兩篇巨作：

Hinton組的：SimCLR

何愷明等人的：MoCo v2

注：MoCo 已收錄于 CVPR 2020（Oral），而MoCo v2是 MoCo的改進版，性能已超越SimCLR。

關于SimCLR的論文解讀推薦知乎上的這個話題：

如何評價Hinton組的新工作SimCLR?

https://www.zhihu.com/question/372064916

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習在線手冊深度學習在線手冊AI基礎下載（pdf更新到25集）本站qq群1003271085，加入微信群請回復“加群”獲取一折本站知識星球優惠券，請回復“知識星球”喜歡文章，點個在看 與50位技術專家面對面20年技術見證，附贈技術全景圖

總結

以上是生活随笔為你收集整理的这三篇论文开源了！何恺明等人的PointRend，Hinton组的SimCLR和谷歌大脑的EfficientDet...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。