1新智元编译
来源：github
编译整理： 新智元编辑部
【新智元导读】计算机视觉近年来获得了较大的发展，代表了深度学习最前沿的研究方向。本文梳理了2012到2017年计算机视觉领域的大事件：以论文和其他干货资源为主，并附上资源地址。囊括上百篇论文，分ImageNet 分类、物体检测、物体追踪、物体识别、图像与语言和图像生成等多个方向进行介绍。
今年2月，新智元曾经向大家介绍了近5年100篇被引用次数最多的深度学习论文，覆盖了优化/训练方法、无监督/生成模型、卷积网络模型和图像分割/目标检测等十大子领域。
【进入新智元公众号，在对话框输入“论文100”下载这份经典资料】
上述的深度学习被引用最多的100篇论文是Github上的一个开源项目，社区的成员都可以参与。在这个项目上，我们发现了另一个项目——Deep Vision，这是一个关于计算机视觉资源的项目，包含了近年来对该领域影响最大的论文、图书和博客等的汇总。其中在论文部分，作者也分为ImageNet 分类、物体检测、物体追踪、物体识别、图像与语言和图像生成等多个方向进行介绍。
经典论文
ImageNet分类
物体检测
物体跟踪
低级视觉
边缘检测
语义分割
视觉注意力和显著性
物体识别
人体姿态估计
CNN原理和性质（Understanding CNN）
图像和语言
图像生成
上面是根据这些论文、作者、机构的一些关键词制作的热图。
图片来源：AlexNet论文
论文：用于图像识别的深度残差网络
作者：何恺明、张祥雨、任少卿和孙剑
链接（复制后可以在浏览器中打开查看）：http://arxiv.org/pdf/1512.03385v1.pdf
论文：深入学习整流器：在ImageNet分类上超越人类水平
作者：何恺明、张祥雨、任少卿和孙剑
链接：https://arxiv.org/pdf/1502.01852.pdf
论文：批量归一化：通过减少内部协变量来加速深度网络训练
作者：Sergey Ioffe, Christian Szegedy
链接：https://arxiv.org/pdf/1502.03167.pdf
论文：更深的卷积，CVPR 2015
作者：Christian Szegedy, Wei Liu, Yangqing Jia, Pierre Sermanet, Scott Reed, Dragomir Anguelov, Dumitru Erhan, Vincent Vanhoucke, Andrew Rabinovich
链接：https://arxiv.org/pdf/1409.4842.pdf
论文：大规模视觉识别中的极深卷积网络，ICLR 2015
作者：Karen Simonyan & Andrew Zisserman
链接：https://arxiv.org/pdf/1409.1556.pdf
论文：使用深度卷积神经网络进行ImageNet分类
作者：Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton
链接：http://papers.nips.cc/paper/4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
图片来源：Faster-RCNN 论文
论文：用于实时物体检测的深度轻量神经网络（PVANET：Deep but Lightweight Neural Networks for Real-time Object Detection）
作者：Kye-Hyeon Kim, Sanghoon Hong, Byungseok Roh, Yeongjae Cheon, Minje Park
链接：https://arxiv.org/pdf/1608.08021
论文：使用卷积网络进行识别、定位和检测（OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks），ICLR 2014
作者：Pierre Sermanet, David Eigen, Xiang Zhang, Michael Mathieu, Rob Fergus, Yann LeCun
链接：https://arxiv.org/pdf/1312.6229.pdf
论文：精确物体检测和语义分割的丰富特征层次结构（Rich feature hierarchies for accurate object detection and semantic segmentation），CVPR 2014
作者：Ross Girshick, Jeff Donahue, Trevor Darrell, Jitendra Malik
链接：http://www.cv-foundation.org/openaccess/content_cvpr_2014/papers/Girshick_Rich_Feature_Hierarchies_2014_CVPR_paper.pdf
论文：视觉识别深度卷积网络中的空间金字塔池化（Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition），ECCV 2014
作者：何恺明、张祥雨、任少卿和孙剑
链接：https://arxiv.org/pdf/1406.4729.pdf
论文：Fast R-CNN
作者：Ross Girshick
链接：https://arxiv.org/pdf/1504.08083.pdf
论文：使用RPN走向实时物体检测（Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks）
作者：任少卿、何恺明、Ross Girshick、孙剑
链接：https://arxiv.org/pdf/1506.01497.pdf
论文：R-CNN minus R
作者：Karel Lenc, Andrea Vedaldi
链接：https://arxiv.org/pdf/1506.06981.pdf
论文：密集场景中端到端的行人检测（End-to-end People Detection in Crowded Scenes）
作者：Russell Stewart, Mykhaylo Andriluka
链接：https://arxiv.org/pdf/1506.04878.pdf
论文：你只看一次：统一实时物体检测（You Only Look Once: Unified, Real-Time Object Detection）
作者：Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi
链接：https://arxiv.org/pdf/1506.02640.pdf
论文：使用跳跃池化和RNN在场景中检测物体（Inside-Outside Net: Detecting Objects in Context with Skip Pooling and Recurrent Neural Networks）
作者：Sean Bell, C. Lawrence Zitnick, Kavita Bala, Ross Girshick
链接：https://arxiv.org/abs/1512.04143.pdf
论文：用于图像识别的深度残差网络
作者：何恺明、张祥雨、任少卿和孙剑
链接：http://arxiv.org/pdf/1512.03385v1.pdf
论文：通过区域全卷积网络进行物体识别（R-FCN: Object Detection via Region-based Fully Convolutional Networks）
作者：代季峰，李益，何恺明，孙剑
链接：https://arxiv.org/abs/1605.06409
论文：单次多框检测器（SSD: Single Shot MultiBox Detector）
作者：Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, Alexander C. Berg
链接：https://arxiv.org/pdf/1512.02325v2.pdf
论文：现代卷积物体检测器的速度/精度权衡（Speed/accuracy trade-offs for modern convolutional object detectors）
作者：Jonathan Huang, Vivek Rathod, Chen Sun, Menglong Zhu, Anoop Korattikara, Alireza Fathi, Ian Fischer, Zbigniew Wojna, Yang Song, Sergio Guadarrama, Kevin Murphy
链接：https://arxiv.org/pdf/1611.10012v1.pdf
论文：用卷积神经网络通过学习可区分的显著性地图实现在线跟踪（Online Tracking by Learning Discriminative Saliency Map with Convolutional Neural Network）
作者：Seunghoon Hong, Tackgeun You, Suha Kwak, Bohyung Han
地址：arXiv:1502.06796.
论文：DeepTrack：通过视觉跟踪的卷积神经网络学习辨别特征表征（DeepTrack: Learning Discriminative Feature Representations by Convolutional Neural Networks for Visual Tracking）
作者：Hanxi Li, Yi Li and Fatih Porikli
发表： BMVC, 2014.
论文：视觉跟踪中，学习深度紧凑图像表示（Learning a Deep Compact Image Representation for Visual Tracking）
作者：N Wang, DY Yeung
发表：NIPS, 2013.
论文：视觉跟踪的分层卷积特征（Hierarchical Convolutional Features for Visual Tracking）
作者：Chao Ma, Jia-Bin Huang, Xiaokang Yang and Ming-Hsuan Yang
发表： ICCV 2015
论文：完全卷积网络的视觉跟踪（Visual Tracking with fully Convolutional Networks）
作者：Lijun Wang, Wanli Ouyang, Xiaogang Wang, and Huchuan Lu,
发表：ICCV 2015
论文：学习多域卷积神经网络进行视觉跟踪
（Learning Multi-Domain Convolutional Neural Networks for Visual Tracking）
作者：Hyeonseob Namand Bohyung Han
超分辨率
其他应用
图片来源：BoxSup论文
版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/rfx/57341.html