Этот пост будет в основном содержать статьи о компьютерном зрении. В основном я составлял этот список, чтобы отслеживать все статьи, которые прочитал.
Группа чтения по бумаге, сем. 1
- Поиск прогрессивной нейронной архитектуры
- Крупномасштабное обучение GAN для высокоточного синтеза естественных изображений
- GANimation: анатомическая анимация лица из одного изображения
- Сверточные рекуррентные модели визуальной системы, ориентированные на задачи
- Мультимодальный неконтролируемый перевод изображения в изображение
- DropBlock: метод регуляризации сверточных сетей
- Глубокая реконструкция изображения по активности человеческого мозга
- Проверка здравомыслия для карт значимости
- Динамические краевые фильтры в сверточных нейронных сетях на графах
- Развитие нейронных архитектур пространства-времени для видео
- Адаптивное трансферное обучение предметной области с использованием специализированных моделей
- Сферические CNN
- Набор хитростей для классификации изображений с помощью сверточных нейронных сетей
- Smooth Neighbours on Teacher Graphs для полуавтоматического обучения
Группа чтения по бумаге, сем. 2
- Прототипные сети для быстрого обучения
- Немногочисленная семантическая сегментация с обучением прототипу
- Повышение внимания к вниманию: повышение производительности сверточных нейронных сетей с помощью передачи внимания
- Прогнозирование будущих кадров для обнаружения аномалий - новый базовый уровень
- Структурированные сверточные нейронные сети
- Синтез видео в видео. Код на Github
- Поиск нейронной архитектуры с байесовской оптимизацией и оптимальным транспортом
- InstaGAN: преобразование изображения в изображение с учетом экземпляров
- Свечение: Генеративный поток с обратимыми свертками 1 × 1
- Исследование методом случайной сетевой дистилляции
- Тестирование устойчивости нейронной сети к распространенным повреждениям и возмущениям
- Создание генеративного изображения с контекстным вниманием
- Сети SlowFast для распознавания видео
- Воплощенный ответ на вопрос
- AttnGAN: Генерация детализированного текста в изображение с привлечением внимания генерирующих враждебных сетей. Представлено мной 22 марта 2019 г.
- Сегментация опухоли головного мозга 3D МРТ с использованием регуляризации автоэнкодера
- Неконтролируемая оценка глубины монокуляра с согласованностью влево-вправо
- Заглядывать в будущее: предсказывать будущие действия и местоположение человека в видеороликах
Статьи, прочитанные в модулях курса компьютерного зрения B657
- Вычислительный подход к обнаружению краев
- Нормализованные обрезки и сегментация изображений
- Эффективная сегментация изображений на основе графиков
- Отличительные особенности изображения от масштабно-инвариантных ключевых точек
- Эффективное распространение убеждений для раннего видения
Статьи, прочитанные на совещаниях по курсу компьютерного зрения B657
- Дизайн и использование регулируемых фильтров
- Обнаружение объектов с использованием преобразования Хафа с максимальным запасом
- Метод выбора порога по гистограммам серого
- Сегментация как выборочный поиск для распознавания объектов
- FaceNet: единое вложение для распознавания лиц и кластеризации
- Глубина обучения по одиночным изображениям в монокуляре
- Генеративные состязательные сети. Я сделал краткую презентацию об этом и представил ее 19 февраля 2019 года.
- Обучение неконтролируемому представлению с помощью глубоких сверточных GAN
- Вы только посмотрите один раз: унифицированное обнаружение объектов в реальном времени
- Создание изображения высокого разрешения с использованием многомасштабного нейронного анализа пятен
- LayoutNet: реконструкция трехмерной планировки комнаты из одного изображения RGB
- Полностью сверточные сети для семантической сегментации
- SegNet: архитектура глубокого сверточного кодировщика-декодера для сегментации изображений
- Гистограммы ориентированных градиентов для обнаружения человека
- Одновременное обнаружение и сегментация
- Учимся видеть в темноте
Прочтите другие статьи
- Немногочисленное распространение сегментации с управляемыми сетями
- Условные сети для кратковременной семантической сегментации
- Одноразовое обучение для семантической сегментации. Код на Github
- Обнаружение малюсеньких объектов с помощью повторного взвешивания функций
Документы по операционной системе (прочтите курс P536 - Расширенные операционные системы)
- Slab Allocator: объектно-кэширующий распределитель памяти ядра. Бумажное обозрение
- ARC: самонастраивающийся кэш для замены с низкими накладными расходами. Бумажное обозрение
- Сравнение программных и аппаратных средств виртуализации x86. Бумажное обозрение
PS: В этом посте есть три статьи об операционных системах, потому что мне пришлось их прочитать и обобщить.