关注文章公众号
回复"SFFAI23论文"获取本主题精选论文
图像语义分割是目前计算机视觉领域要解决的一个核心问题,属于视觉中场景理解的研究范畴之一,近期受到了越来越多的研究者的关注,现实中许多应用程序需要精确和高效的分割机制:自主驾驶,室内导航,甚至虚拟或增强现实系统等等。在深度学习技术的推动下,各种各样的深度图像分割模型被提出,一些公开的数据集不断地被新模型刷榜。今天的两位主讲嘉宾为大家精选了图像分割领域的经典与前沿最新文章,带你更好的领略图像分割的风采。
你可以仔细阅读,带着问题来现场交流哦。
1
推荐理由:长距离关联信息对语义分割至关重要。NUS这篇发表在NeurIPS-2018的文章提出一个高效的模块,用来汇集和传播全局信息。其计算量和内存需求远低于nonlocal,且能带来明显的性能增益。
推荐理由来自:李夏
2
推荐理由:Yunpeng Chen又一力作,发表在CVPR-2019。为深度网络引入通用GCN模块,从而用五个1*1卷积实现全局推理。较之同为全局推理的self-attention,GCN具有更好的解释性。
推荐理由来自:李夏
3
推荐理由:斯坦福大学李飞飞组新文。其在图像语义分割问题上超越了很多业内最佳模型,甚至可以在未经过预训练的情况下达到预训练模型的表现。Auto-DeepLab 开发出与分层架构搜索空间完全匹配的离散架构的连续松弛,显著提高架构搜索的效率,降低算力需求。
推荐理由来自:李夏
4
推荐理由:PSPnet提出了PPM(Pyramid Pooling Module)来整合不同区域的context进而获取全局的context信息。其中PPM包含4种不同尺度的pooling 操作。
推荐理由来自:李祥泰
5
推荐理由:Deeplabv3提出了ASPP模块来通过不同大小的带孔卷积进而获得不同感受野的context 信息, Deeplabv3+在v3的基础上增加了decoder端来融合low-level特征,进而进一步地提升性能。
推荐理由来自:李祥泰
6
推荐理由:DAnet(OCnet,CCnet): Dual Attention Network for Scene Segmentation(CVPR 2019)DAnet应用non-local的思路分别计算spatial-wise 和channel-wise的similarity attention map进而解决pixel和pixel之间的long range dependency.类似的工作还有OCnet和CCnet.
推荐理由来自:李祥泰
时间
2019年4月7日(周日)
14:00 -- 17:00
地点
北京大学理科一号楼1126
报名方式
点击下方原文链接 或 扫描二维码报名
活动名额
1、为确保小范围深入交流,本次活动名额有限(不收取任何费用);
2、活动采取审核制报名,我们将根据用户研究方向与当期主题的契合度进行筛选,通过审核的用户将收到确认邮件;
3、如您无法按时到场参与活动,请于活动开始前 24 小时在AIDL微信公众号后台留言告知,留言格式为放弃报名 + 报名电话。无故缺席者,将不再享有后续活动的报名资格。
SFFAI招募召集人!
Student Forums on Frontiers of Artificial Intelligence,简称SFFAI。
现代科学技术高度社会化,在科学理论与技术方法上更加趋向综合与统一,为了满足人工智能不同领域研究者相互交流、彼此启发的需求,我们发起了SFFAI这个公益活动。SFFAI每周举行一期线下活动,邀请一线科研人员分享、讨论人工智能各个领域的前沿思想和最新成果,使专注于各个细分领域的研究者开拓视野、触类旁通。
SFFAI自2018年9月16日举办第一期线下交流,每周一期,风雨无阻,截至目前已举办18期线下交流活动,共有34位讲者分享了他们的真知灼见,来自100多家单位的同学参与了现场交流,通过线上推文、网络直播等形式,50000+人次参与了SFFAI的活动。SFFAI已经成为人工智能学生交流的第一品牌,有一群志同道合的研究生Core-Member伙伴,有一批乐于分享的SPEAKER伙伴,还有许多认可活动价值、多次报名参加现场交流的观众。
2019年春季学期开始,SFFAI会继续在每周日举行一期主题论坛,我们邀请你一起来组织SFFAI主题论坛,加入SFFAI召集人团队。每个召集人负责1-2期SFFAI主题论坛的组织筹划,我们有一个SFFAI-CORE团队来支持你。一个人付出力所能及,创造一个一己之力不可及的自由丰盛。你带着你的思想,带着你的个性,来组织你感兴趣的SFFAI主题论坛。
当召集人有什么好处?
谁可以当召集人?
怎样才能成为召集人?
为什么要当召集人?
了解我们,加入我们,请点击下方海报!
历史文章推荐:
若您觉得此篇推文不错,麻烦点点在看↓↓