孔巴巴?，聚焦目標檢測，神經網絡 周若凡?等?108?人贊同 更新2
CNN遍地開花，傳統方法很冷清
CNN RNN結合的文章越來多，但如何聯合訓練仍然有待進一步解決
有人在致力于挖新坑，老坑越來越難填
Face2face很酷炫
創業公司很多，到處是華人身影
拉斯維加斯很適合出來玩
伙食太差，吃不飽


在CVPR會場更新
ResNet獲得了best paper.

這個題目被邀請真是受寵若驚。我關注的方向是2D圖像檢測和識別，其實這個方向更新比較快，很多文章在早就在Arxiv上掛出來了。說亮點的話還是等開完會吧。
說幾個感覺比較好的工作（排名不分前后），隨時更新。。。

1. Deep Residual Learning for Image Recognition
這是kaiming組那篇影響力很大的文章，不用說了

2. You Only Look Once: Unified, Real-Time Object Detection
YOLO用純CNN來做檢測，可以達到實時的效果，雖然今年SSD的效果做的好很多，但YOLO確實起到了先驅的作用。另，一作貌似是一個傳奇人物。

3. Training Region-Based Object Detectors With Online Hard Example Mining
這個工作比較新，他提供了在F-RCNN的框架下，在訓練過程中如何對樣本進行選擇的一種解決方案。而且確實work。

4. Accurate Image Super-Resolution Using Very Deep Convolutional Networks
這是做超分辨率重建的一篇文章，主要的創新點在于在網絡的最后用原圖來輔助重建，有點殘差網的意思，當然效果也很好。

5. Inside-Outside Net: Detecting Objects in Context With Skip Pooling and Recurrent Neural Networks
在F-RCNN的框架下如何對特征進行增強，文章主要考慮了multi-layer fusion和context信息。

6. HyperNet: Towards Accurate Region Proposal Generation and Joint Object Detection
通過對CNN的多層特征進行融合提高定位準確性，利用類似于Faster-RCNN的方式進行目標檢測

7. Exploit All the Layers: Fast and Accurate CNN Object Detector With Scale Dependent Pooling and Cascaded Rejection Classifiers.?
通過在CNN的多層建立級聯分類器來抑制負樣本（在目標檢測中對負樣本進行合理抑制起到了關鍵作用） 編輯于 2016-06-30?15 條評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 69贊同 反對，不會顯示你的姓名 雨宮夏一?，XMU（廈門大學）碩士在讀，移動視覺搜索 69?人贊同 寫了個爬蟲，爬了所有論文，并且按照網站下面的分了類別……
cvpr2016_已分類.zip_免費高速下載

-----------------我是分割線
有人要了爬取的代碼一并給了....
GitHub - zhengxiawu/scrap-cvpr2016 編輯于 2016-06-29?16 條評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 30贊同 反對，不會顯示你的姓名 FionaH?，Ph.D Student 30?人贊同

CVPR悲劇了...sad...關注了一下同方向的論文，說幾篇比較感興趣的。

Sparseness Meets Deepness: 3D Human Pose Estimation from Monocular Video

對于二維關節點未知的情況，輸入圖像序列，基于CNN的heat map檢測出二維關節點的位置范圍，結合三維姿態字典，通過EM algorithm恢復出三維姿態序列。

A Dual-Source Approach for 3D Pose Estimation from a Single Image

一個dual-stream的三維姿態估計方法，訓練數據分別是帶標記點的二維圖像和三維動作捕捉數據。

Direct Prediction of 3D Body Poses from Motion Compensated Sequences

3D pose recovery通常會先逐幀計算出可能的pose，然后在后續過程中消除歧義。這篇論文中的工作則是直接從spatio-temporal volume中得到三維姿態。

Personalizing Human Video Pose Estimation

亮點在于Personalization，其實就是提出了一個遮擋感知自評價模型。在已有的一般方法得到的姿態估計結果基礎上，初始化annotation，再做空間匹配，時間傳播，然后進行自我評估，剔除誤差大的結果，迭代得到annotations，拿去訓練personalized pose estimator。

求個簽，坐等ECCV結果announce。。。

編輯于 2016-06-16?10 條評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 24贊同 反對，不會顯示你的姓名 張揚?，PhD student@UCF，小眾游戲愛好者 24?人贊同 大家好，來安利下我的paper：
Fast Zero-Shot Image Tagging

這篇paper提出了zero-shot tagging，也就是如何向query image標注訓練集里面沒有出現過的image tag的問題。和之前的zero-shot classification不一樣的是，我們的方法可以向一張圖片標注多個unseen的標簽。

比如這張圖片，
我們的模型對其的tag prediction是
注意這五個詞是我們的模型從四千個沒有在訓練集里面出現的詞里面選出來的哦！

而且模型不僅在zero-shot tagging上表現很好，在傳統tagging問題上也表現非常好。模型也可以推廣到任何的ranking problem上面：）code會在今年9月之前release（想要提前使用code的可以來信哦）。 編輯于 2016-06-21?9 條評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 27贊同 反對，不會顯示你的姓名 匿名用戶 27?人贊同 想一次下載所有paper的話，一條命令就夠了

wget --no-clobber --convert-links --random-wait -r -p -E -e robots=off -U mozilla?http://www.cv-foundation.org/openaccess/CVPR2016.py 發布于 2016-06-29?5 條評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 12贊同 反對，不會顯示你的姓名 陳喬治?，技校精英 Naiyan Wang?等?12?人贊同 我來賣一下自己的文章，CVPR 2016的Oral，不過跟其它文章比起來很非主流。
arxiv.org/abs/1605.03621
簡單來說是用光學來做CNN的第一層.
編輯于 2016-07-07?3 條評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 16贊同 反對，不會顯示你的姓名 胖就胖了?，ML，CV，CUDA，Python，C 16?人贊同 所有論文集合：CVPR 2016 Open Access Repository 發布于 2016-06-14?1 條評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 6贊同 反對，不會顯示你的姓名 IanJiang?，小李飛刀成絕響，人間桃谷繪里香。 6?人贊同 Deep Hand: How to Train a CNN on 1 Million Hand Images When Your Data Is Continuous and Weakly Labelled 發布于 2016-06-14?3 條評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 2贊同 反對，不會顯示你的姓名 魏晉?，業余級新手..... 2?人贊同 說句題外話。
最近幾天在幫導師整理CVPR 2016、2015兩年的文章，發現視覺領域真的被華人給玩壞了~
這兩年CVPR的文章里有一半左右第一作者是華人(根據姓名判斷)。15年第一作者單位是陸港澳臺科研機構的文章有121篇，16年有124篇，果真是人多力量大 啊^_^

如果有視覺領域的資深人士梳理一下為啥在華人這個領域進步這么大，相信對其他領域的追趕會有很好的借鑒意義。 發布于 2016-07-05?4 條評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 6贊同 反對，不會顯示你的姓名 匿名用戶 6?人贊同 Face2Face: Real-time Face Capture and Reenactment of RGB Videos 發布于 2016-06-14?添加評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 3贊同 反對，不會顯示你的姓名 Nicholas?，computer vision/machine vision.向優秀… 3?人贊同 所有的論文都在這里：CVPR 2016 Open Access Repository
大部分內容看不懂，大致略看了下題目，learning和3D相關的占了大多，learning的最多,還有一些少數的segmentation，pose estimation，calibration等 編輯于 2016-06-14?2 條評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 7贊同 反對，不會顯示你的姓名 匿名用戶 7?人贊同 Most of the papers have f**king good results with DL but are f**king boring somehow. 編輯于 2016-06-30?2 條評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 2贊同 反對，不會顯示你的姓名 Bitstan 2?人贊同 這個微博在導讀cvpr16深度學習方面的論文?http://weibo.com/u/1113268781 發布于 2016-06-21?添加評論?感謝? 分享 ?收藏???沒有幫助???舉報???作者保留權利 3贊同 反對，不會顯示你的姓名 劉弘也?，程序猿，想學游泳，想學琴，想有八塊腹肌… 3?人贊同 干貨答案留給學霸們來答，學渣說個不那么有用的點: 女性在CV界的春天到了！
––––––––––––

具體情況是今天參加歡迎儀式，第一個講話的來自UCB的老奶奶上來就說以前女性怎么被歧視，很少有杰出的女性計算機科學家，然后看了眼今年chair的列表，發現general chair 3個人都是女性，program chair 4個人還全是女性，整個http://cvpr2016.thecvf.com/organizers這一頁的各種chair就沒幾個男的，然后早上還有個workshop的題目與視覺基本沒太大關系叫做Women in Computer Vision！

嗯，所以我的結論也不是什么男女不平等神馬的，而是。。。。。。美女們趕緊來做CV吧哈哈哈！！！
from:?https://www.zhihu.com/question/47385572#answer-37920764

總結

以上是生活随笔為你收集整理的CVPR 2016 有什么值得关注的亮点？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。