抢鲜看！13篇CVPR2020论文链接/开源代码/解读

今天，计算机视觉三大顶会之一CVPR2020接收结果已经公布，一共有1470篇论文被接收，接收率为22%，相比去年降低3个百分点，竞争越来越激烈。

计算机视觉顶会CVPR2020官方今日发布接收论文列表（编号）： http://cvpr2020.thecvf.com/sites/default/files/2020-02/accepted_list.txt

1.GhostNet: More Features from Cheap Operations（超越Mobilenet v3的架构） 论文链接：https://arxiv.org/pdf/1911.11907arxiv.org 模型（在ARM CPU上的表现惊人）：https://github.com/iamhankai/ghostnetgithub.com

We beat other SOTA lightweight CNNs such as MobileNetV3 and FBNet.

2. AdderNet: Do We Really Need Multiplications in Deep Learning? （加法神经网络） 在大规模神经网络和数据集上取得了非常好的表现 论文链接：https://arxiv.org/pdf/1912.13200 论文链接：https://github.com/huawei-noah/AdderNet

3. Frequency Domain Compact 3D Convolutional Neural Networks （3dCNN压缩） 论文链接：https://arxiv.org/pdf/1909.04977 开源代码：https://github.com/huawei-noah/CARSgithub.com

4. A Semi-Supervised Assessor of Neural Architectures （神经网络精度预测器 NAS）

5. Hit-Detector: Hierarchical Trinity Architecture Search for Object Detection（NAS 检测） backbone-neck-head一起搜索， 三位一体

6. CARS: Contunuous Evolution for Efficient Neural Architecture Search (连续进化的NAS) 高效，具备可微和进化的多重优势 论文链接：https://arxiv.org/abs/1909.04977

7. On Positive-Unlabeled Classification in GAN （PU+GAN）

8. Learning multiview 3D point cloud registration（3D点云） 论文链接：arxiv.org/abs/2001.05119

9. Multi-Modal Domain Adaptation for Fine-Grained Action Recognition（细粒度动作识别） 论文链接：arxiv.org/abs/2001.09691

10. Action Modifiers:Learning from Adverbs in Instructional Video 论文链接：arxiv.org/abs/1912.06617

11. PolarMask: Single Shot Instance Segmentation with Polar Representation（实例分割建模） 论文链接：arxiv.org/abs/1909.13226 论文解读：https://zhuanlan.zhihu.com/p/84890413 开源代码：https://github.com/xieenze/PolarMask

12. Rethinking Performance Estimation in Neural Architecture Search（NAS） 由于block wise neural architecture search中真正消耗时间的是performance estimation部分，本文针对 block wise的NAS找到了最优参数，速度更快，且相关度更高。

13. Distribution Aware Coordinate Representation for Human Pose Estimation（人体姿态估计）

论文链接：arxiv.org/abs/1910.06278 Github：https://github.com/ilovepose/DarkPose 作者团队主页：https://ilovepose.github.io/coco/