artigo recente Computer Vision Series (anexado Introdução)
detecção de alvo
1. Resumo: Adaptação profundidade de detecção alvo de Título campo: Deep Domínio Adaptive Detecção de Objeto: a Pesquisa Autor: Wanyi Li, Peng Wang link: https: //arxiv.org/abs/2002.06797
tese comentários a 40 Pian literatura, pela Academia Chinesa de Ciências automação liberação estudioso. Profunda (EAD) detecção do alvo com base tenha feito um grande progresso, estes métodos geralmente assumir que um grande número de dados de treino disponíveis marcados, e os dados de treino e de teste extraídos a partir da mesma distribuição. No entanto, na prática, estes dois pressupostos nem sempre são verdadeiras. Profundo domínio de detecção de alvo adaptativa (DDAOD) surgiu como um novo paradigma de aprendizagem. Este trabalho revisa o progresso do método de detecção alvo adaptativa de profundo domínio de investigação.
2. estudo profundidade de detecção de anormal: Resumo
Título: Detecção Instância anômala em Deep Aprendizagem: A Survey Autor: Saikiran Bulusu, ligação Dawn Song: https: //arxiv.org/abs/2003.06979
tese penteado 119 Pian literatura da Universidade de Syracuse estudioso publicado. Discutir vários exemplos de métodos de detecção anormais, e a análise das vantagens e desvantagens relativas de cada método.
3. O uso de detecta câmera móvel objetos em movimento: uma revisão Título abrangente: objetos em movimento Detecção com uma câmera em movimento : uma revisão abrangenteAutor: Marie-Neige Chapel, Thierry Bouwmans link: https: //arxiv.org/abs/2001.05238
tese penteado 347 Pian literatura. Com a ascensão do sensor de movimento, a câmera é movida gradualmente tornar-se direção de pesquisa popular. Neste papel, vários métodos convencionais de identificação, e um plano que se acha dividida em duas ou mais. Em ambas as categorias, o método de vários tipos em 8 grupos : Fundo panorâmica subtração, câmeras dupla, compensação de movimento, segmentação subespaço, segmentação movimento, avião + paralaxe, multi-plano e imagem dividida em bloco. Este artigo também conjuntos de dados disponíveis publicamente e índice de avaliação foram estudados.
Classificação de Imagens
4. Levantamento de classificação de imagens semi-supervisionado, auto-supervisionada e não supervisionada
标题: Um estudo sobre Semi-, Auto e Técnicas não supervisionado em Imagem Classification
Autor: Lars Schmarje, Reinhard Koch link: https: //arxiv.org/abs/2002.08721
tese comentários a 51 Pian literatura. Resumo da imagem da etiqueta de classificação menos utilizados 21 é Espécies de técnicas e métodos. Nós comparar métodos, e identificou três tendências principais.
A suavização
5. denoising estudo aprofundado: Resumo Título: Deep Aprendizagem na imagem denoising: Uma visão geral de: Chunwei Tian, Chia-Lin Wen link: https: //arxiv.org/abs/1912.13171
Este artigo analisa a 238 Pian literatura por Harbin Institute of Technology, Guangdong Universidade de Tecnologia, Universidade Tsinghua estudiosos publicar. Existem diferentes tipos de profundidade de processamento de ruído aprendendo uma diferença enorme, mas há pouca pesquisa para resumo relacionado. Neste papel, a remoção do ruído imagem em profundidades diferentes técnicas de aprendizagem foram comparados, analisados os motivos e princípios de diferentes métodos e comparados em um conjunto comum de dados de-noising. Foram incluídos no estudo: (1) a CNN ruído branco imagem adicionado; (2) para a imagem CNN um verdadeiro ruído; (3) para cegos ruído denoising CNN; para misturar o ruído da imagem CNN .. (4).
segmentação de imagens
6. Use profundo aprendizado segmentação de imagens: Resumo Título: na segmentação de imagens profunda aprendizagem: A Pesquisa Autor: Shervin Minaee, Demetri Terzopoulos link: https: //arxiv.org/abs/2001.05566
Este artigo revê a 172 Pian literatura, semântica exemplos de literatura segmentação e realizou uma revisão abrangente, cobrindo uma variedade de obras seminais, incluindo uma rede pixel tags codificador completo convolução - arquitetura decodificador, com base no método de pirâmide multi-escala, rede recursiva, bem como contra os modelos de atenção visual o modelo gerado.
Face Recognition
DeepFakes 7. A : rosto detectar falsificação e Sumárias manipulação Título: DeepFakes e Beyond: A Survey of Manipulation Rosto e Falso Detecção de: Ruben Tolosana, Javier Ortega-Garcia
Link: https: //arxiv.org/abs/2001.00179
Este papel comentários 105 Pian literatura, as tecnologias de papel faciais de manipulação de imagem (incluindo método DeepFake) e um método de tais técnicas de detecção de revisão abrangente. Ele discute os quatro tipos de operações faciais: síntese full-face, troca de identidade facial (DeepFakes), expressões faciais e operações de manipulação de atributo faciais.
estimativa Pose
8. meta revisão da postura: caixa delimitadora 3D do detector ao máximo 6D postura estimador Título: Uma revisão sobre Pose objeto de recuperação: a partir Bounding Box 3D detectores para completa 6D Pose Estimators Autor: Caner Sahin, Tae-Kyun Kim link: https : //arxiv.org/abs/2001.10609
Este artigo revê a 206 Pian literatura do imperial College London publicado estudioso. Neste papel, 3D caixa do detector às completos 6D objetos postura estimador delimitadora representar método de recuperação realizou a primeira revisão abrangente. Com base no modelo matemático, o método é dividido em vários tipos de classificação, regressão, classificação e regressão, correspondência de modelo e ponto de recurso de correspondência para a tarefa.
Comportamento / reconhecimento de ação
9. Com base na operação de método de aprendizagem identificação do esqueleto 3D
标题: A Pesquisa sobre Skeleton-Based Reconhecimento Ação 3D Usando o Método de Aprendizagem
Autor: Bin Ren, Hong Liu link: https: //arxiv.org/abs/2002.05907
Este trabalho revisa 81 Pian literatura da Universidade de Pequim publicou estudioso. Este artigo enfatiza a importância ea necessidade de dados de reconhecimento de movimento 3D esqueleto, e depois de dados orientado a Manner com base em rede neural recorrente baseado em redes neurais convolução e tecnologia de reconhecimento dominante movimento baseado em rede convolução FIG está totalmente descrito, também o primeiro a usar 3D dados de movimento esqueleto com base em um estudo abrangente para identificar a profundidade de aprendizagem.
contagem da população
10. Com base nas estimativas de densidade populacional e contagem da CNN: Título Resumo: Densidade baseado em CNN Estimativa e multidão Contagem: A Survey Autor: Guangshuai Gao, Yunhong Wang link: https: //arxiv.org/abs/2003.12783
Este trabalho revisa a 222 Pian literatura da Universidade de Aeronáutica e Astronáutica, Pequim emitiu estudiosos, método de estimação CNN com base no mapa de densidade, a pesquisa 220 + trabalho na contagem de população foram estudo abrangente e sistemática. Ao mesmo tempo, de acordo com o índice de avaliação, selecionar os três melhores desempenhos no meio da multidão conjuntos de dados estatísticos, e analisar seus pontos fortes e fracos.
Medical Imaging
11. A análise de imagem abrangente patologia revisão título usando tecido de redes de mama clássica e profundo neural: uma revisão abrangente para Breast Histopatologia Imagem Análise Usando Classical e Deep Neural Networks Autor: Xiaomin Zhou, Tao Jiang link: https: // arXiv. org / abs / 2.003,12255
Este trabalho revisa a 180 Pian literatura da Universidade Northeastern publicados estudioso. Para a tecnologia BHIA baseado em rede neural artificial é uma visão abrangente do sistema BHIA é dividido em clássico e profundidade da rede neural para realizar pesquisas em profundidade, análise de modelos existentes, a fim de encontrar o algoritmo mais apropriado, e fornecer um conjunto de dados acessível ao público.
12. Use profunda neural rede médica de registo da imagem: abrangente Título visão geral: Registro de imagens médicas Usando profundas Redes Neurais : Uma revisão abrangente de: Hamid Reza Boveiri, Ali Reza Mehdizadeh link: https: //arxiv.org/abs/2002.03401
artigo penteado 117 Pian literatura sobre o uso de redes neurais profundas para registro de imagens médicas da mais recente literatura realizada uma revisão abrangente do sistema para cobrir os trabalhos relacionados nesta área, incluindo os conceitos-chave, análise estatística, tecnologia-chave, a principal contribuição para os desafios e direções futuras.
13.Para detecção de ameaças automatizado: imagens de raios-X em segurança profunda revisão progresso na aprendizagem Título: Rumo a detecção automática de ameaças: A Survey of Adiantamentos de profunda aprendizagem dentro de raios-X de segurança de imagem Autor: Samet Akcay, ligação Toby Breckon: https: // arXiv. org / abs / 2.001,01293
Este trabalho revisa a 151 Pian literatura pela Durham University britânico erudito publicado. Este artigo está dividido aprendizagem de máquina convencional e aprendizagem profunda categorias contemporâneas para rever a segurança do algoritmo de imagem de raios-X. A profundidade de aprender métodos para o aprendizado supervisionado, semi-supervisionado e não supervisionado, centra-se na classificação, detecção, segmentação e anomalia tarefa de detecção, contém um raio-X conjunto de dados perfeito.
14. A revisão em profundidade do modelo de rede neural é usada para calcular a histopatologia título: modelos de redes neurais profundo para histopatologia computacional : Uma pesquisa Autor: Chetan L. Srinidhi, Anne L. Martel link: https: //arxiv.org/abs/1912.12378
este artigo revê a 130 Pian literatura da Universidade de Toronto publicado estudioso. Neste trabalho o mais recente método de análise de imagem patologia aprendizagem profunda utilizado na organização realizou uma revisão abrangente, incluindo a supervisão, supervisão fraca, sem supervisão, migração e outras áreas de aprendizagem, e resume alguns dos conjuntos de dados abertos existentes.
A reconstrução tridimensional
15. A forma externa do 3D estrutura previsão Resumo Título interna: Previsão Estrutura uma pesquisa sobre 3D interior de sua Outer Forma Autor: Mohamed Mejri, ligação Cédric Pradalier: https: //arxiv.org/abs/2002.04571
Este artigo comentários 81 Pian literatura da Universidade de Pequim estudioso publicado. Como o conteúdo do passado e os poucos dados esqueleto, o presente trabalho é estudar a estrutura para o uso de dados 3D em uma discussão abrangente sobre o estudo aprofundado de reconhecimento de movimento do primeiro capítulo. Artigo destaca a importância da identificação e os dados de movimento 3D do esqueleto, forma tradicional tecnologia de reconhecimento de movimento impulsionado data-base em rede neural recorrente, a convolução rede neural e redes convolucionais foram completamente descritos. E descreve a máxima 3D conjunto de dados esquelético NTU-RGB + D e sua nova versão NTU-RGB + D 120, e discute vários algoritmos principais anteriores.
nuvem de pontos 3D
16. No ponto objetivo revisar registro nuvem Título: Registro-alvo menos de nuvens de pontos : Uma revisão Autor: Yue Pan
papel 48 Pian literatura do tipo, resumem o trabalho básico sem registro ponto de destino nuvem, revisão de três tipos comuns de métodos de registro que o método recurso de correspondência com base em iterativa mais próximos algoritmo ponto e estocásticos suposições, e analisa as vantagens e desvantagens desses métodos, para apresentar o seu cenário comum. Links: HTTPS: //arxiv.org/abs/1912.12756
OCR :
17. manuscrita reconhecimento óptico de caracteres (OCR): Revisão da Literatura Sistemas Integrados (SLR) Título: escrita à mão Reconhecimento Óptico de Caracteres (OCR) : A Comprehensive Revisão sistemática de literatura (SLR) Autor: Jamshed Memon, ligação Rizwan Ahmed Khan: https: // arXiv .org / abs / 2.001,00139
papel 142 Pian literatura realizadas e sintetiza a pesquisa sobre o OCR revisou publicados entre 2000 e 2018 artigos de pesquisa descrevendo os resultados mais recentes e tecnologia OCR, e analisa as lacunas de pesquisa, para resumir a pesquisa.
Profundidade profundidade relacionadas:
18. Com base na profundidade de aprender estimativa profundidade monocular: Resumo Título: Profundidade Monocular Estimativa baseada em profunda Aprendizagem : Uma Visão Geral Autor: Chaoqiang Zhao, Feng Qian link: https: //arxiv.org/abs/2003.06620
papel 119 Pian literatura realizadas e pela China University East estudioso publicado. Com o rápido desenvolvimento de redes neurais profundas, com base na profundidade de aprender estimativa profundidade monocular tem sido amplamente estudado. A fim de melhorar a precisão da estimativa de profundidade, vários quadros de rede, perda de estratégias de função e formação. Portanto, este trabalho revisa o método atual estimativa monocular profundidade com base na profundidade de aprendizagem, resume vários coleta de dados e avaliação com base no estudo aprofundado estimativa profundidade de um amplamente utilizado, e analisa algumas das de acordo com o representante existente para diferentes métodos de treinamento métodos: supervisionadas, sem supervisão e semi-supervisionado.
CNN
19. Os overview papel convolução redes neurais: análise, aplicação e perspectiva Título: A Survey of Convolucionais Redes Neurais: Análise, aplicações e perspectivas Autor: Zewen Li, Wenjie Yang, Shouheng Peng, Fan Liu link: https: // arXiv .org / abs / 2.004,02806
papel 119 Pian literatura do tipo, pela China University East estudioso publicado. O objectivo papel neste rapidamente crescente rede neural convolutional campo fornece novas ideias e perspectivas quanto possível, não só convolução bidimensional, e envolvem unidimensional convolução e multi-dimensional. Primeiro de tudo, este artigo descreve brevemente a história da CNN e CNN resume o desenvolvimento, a introdução modelo clássico CNN, que incide sobre os fatores-chave SOTA alcançados, e fornece algumas regras de ouro por meio de análise experimental, o unidimensional, bidimensional e multi-dimensional volume final o produto fornece uma visão geral da aplicação.
Visuais sentidos / outros
20. O plano de informação neural análise classificador rede Reveja o Título: Informações no plano Análise de Redes Neurais Classificadores - Uma revisão Autor: Bernhard C. Geiger link: HTTPS: //arxiv.org/abs/2003.09671 21. O baixo consumo de energia métodos de aprendizagem e de visão computacional profundidade título visão geral: a pesquisa de métodos para Low- aprendizagem e visão por computador deep Power autor: Abhinav Goel, George K. Thiruvathukal link: HTTPS: //arxiv.org/abs/2003.11066
22. o encontro aprendendo profundidade quando o alinhamento de dados: a profundidade da sua rede doméstica (DRN) título: quando Aprendizagem profunda Atende alinhamento de dados: Uma revisão sobre redes de inscrição profundas (DRNs) Autor: Victor Villena-Martinez, Robert B. Fisher link: https: //arxiv.org /abs/2003.03167
23. o reconhecimento ilimitado palmprint para dispositivos de consumo: um título revisão da literatura: para o reconhecimento de impressões palmares Unconstrained em dispositivos de consumo : uma revisão da literatura autor :. Adrian-S Ungureanu, Peter Corcoran link: https: //arxiv.org /abs/2003.00737
24. A textura localização função terrestre - Resumo Título: Características para terra textura com base Localização - A Survey Autor: Jan Fabian Schmid, Rudolf Mester link: https: //arxiv.org/abs/2002.11948
25. A partir do movimento do relógio: navegação interior visual (VIN) um Título Resumo: de ver a mudança: A Survey on Learning for Visual interior Navigation (VIN) Autor: Xin Ye, Yezhou Yang link: https: //arxiv.org/ abs / 2002,11310