同步wx订阅号(arXiv每日论文速递)，支持后台回复'search 关键词'查询相关的最新论文。有些许帮助的话，麻烦关注一下哦(*￣rǒ￣)
今日共计42篇
[检测分类相关]：
【1】 Deep Learning for Classification and Severity Estimation of Coffee Leaf Biotic Stress
深度学习用于咖啡叶生物胁迫的分类和严重程度估计
作者： J. G. M. Esgario, J. A. Ventura
链接：https://arxiv.org/abs/1907.11561
【2】 Report on UG^2+ Challenge Track 1: Assessing Algorithms to Improve Video Object Detection and Classification from Unconstrained Mobility Platforms
UG^2+挑战轨道1：改进无约束移动平台视频对象检测和分类的评估算法报告
作者： Sreya Banerjee, Walter J. Scheirer
链接：https://arxiv.org/abs/1907.11529
【3】 DCT-CompCNN: A Novel Image Classification Network Using JPEG Compressed DCT Coefficients
DCT-CompCNN：一种使用JPEG压缩DCT系数的新型图像分类网络
作者： Bulla Rajesh, Shubham Srivastava
链接：https://arxiv.org/abs/1907.11503
【4】 Multi-level Domain Adaptive learning for Cross-Domain Detection
用于跨域检测的多级域自适应学习
作者： Rongchang Xie, Li Zhang
备注：Accepted to the TASK-CV workshop at ICCV 2019
链接：https://arxiv.org/abs/1907.11484
【5】 Product Image Recognition with Guidance Learning and Noisy Supervision
基于指导学习和噪声监控的产品图像识别
作者： Qing Li, Yu Qiao
链接：https://arxiv.org/abs/1907.11384
【6】 NoduleNet: Decoupled False Positive Reductionfor Pulmonary Nodule Detection and Segmentation
NobileNet：用于肺结节检测和分割的解耦假阳性降低
作者： Hao Tang, Xiaohui Xie
备注：Accepted to MICCAI 2019
链接：https://arxiv.org/abs/1907.11320
【7】 A Novel Approach for Robust Multi Human Action Detection and Recognition based on 3-Dimentional Convolutional Neural Networks
一种基于三维卷积神经网络的鲁棒多人体动作检测与识别新方法
作者： Noor Almaadeed, Azeddine Beghdadi
链接：https://arxiv.org/abs/1907.11272
【8】 AVEC 2019 Workshop and Challenge: State-of-Mind, Detecting Depression with AI, and Cross-Cultural Affect Recognition
Avec 2019研讨会和挑战：心态，用人工智能检测抑郁，以及跨文化情感识别
作者： Fabien Ringeval, Maja Pantic
链接：https://arxiv.org/abs/1907.11510
[分割/语义相关]：
【1】 Semantic Deep Intermodal Feature Transfer: Transferring Feature Descriptors Between Imaging Modalities
语义深度多模态特征转移：在成像模态之间转移特征描述符
作者： Sebastian P. Kleinschmidt, Bernardo Wagner
链接：https://arxiv.org/abs/1907.11436
【2】 A Comparative Study of High-Recall Real-Time Semantic Segmentation Based on Swift Factorized Network
基于SWIFT因式网络的高召回率实时语义切分比较研究
作者： Kaite Xiang, Kailun Yang
备注：14 pages, 11figures, SPIE Security + Defence 2019
链接：https://arxiv.org/abs/1907.11394
【3】 DABNet: Depth-wise Asymmetric Bottleneck for Real-time Semantic Segmentation
DABNet：面向实时语义分割的深度非对称瓶颈
作者： Gen Li, Joongkyu Kim
备注：Accepted to BMVC 2019
链接：https://arxiv.org/abs/1907.11357
【4】 Self-Adaptive 2D-3D Ensemble of Fully Convolutional Networks for Medical Image Segmentation
用于医学图像分割的全卷积网络自适应2D-3D集成
作者： Maria G. Baldeon Calisto, Susana K. Lai-Yuen
链接：https://arxiv.org/abs/1907.11587
【5】 Annotation-Free Cardiac Vessel Segmentation via Knowledge Transfer from Retinal Images
基于视网膜图像知识转移的无注释心脏血管分割
作者： Fei Yu, Li Zhang
备注：Accepted at MICCAI 2019
链接：https://arxiv.org/abs/1907.11483
【6】 Recurrent Aggregation Learning for Multi-View Echocardiographic Sequences Segmentation
用于多视角超声心动图序列分割的循环聚集学习
作者： Ming Li, Shuo Li
备注：MICCAI 2019
链接：https://arxiv.org/abs/1907.11292
【7】 Boundary loss for highly unbalanced segmentation
高度不平衡分割的边界损失
作者： Hoel Kervadec, Ismail Ben Ayed
备注：Talk at MIDL 2019 [arXiv:1907.08612]
链接：https://arxiv.org/abs/1812.07032
[GAN/对抗式/生成式相关]：
【1】 On the Design of Black-box Adversarial Examples by Leveraging Gradient-free Optimization and Operator Splitting Method
利用无梯度优化和算子分裂方法设计黑盒对抗性例子
作者： Pu Zhao, Xue Lin
备注：accepted by ICCV 2019
链接：https://arxiv.org/abs/1907.11684
【2】 LinearConv: Regenerating Redundancy in Convolution Filters as Linear Combinations for Parameter Reduction
LinearConv：将卷积滤波器中的冗余重新生成为用于参数缩减的线性组合
作者： Kumara Kahatapitiya, Ranga Rodrigo
链接：https://arxiv.org/abs/1907.11432
【3】 UGAN: Untraceable GAN for Multi-Domain Face Translation
UGAN：用于多域人脸翻译的不可追踪的GAN
作者： Defa Zhu, Guodong Guo
链接：https://arxiv.org/abs/1907.11418
[行为/时空/光流/姿态/运动]：
【1】 Unsupervised Learning for Optical Flow Estimation Using Pyramid Convolution LSTM
基于金字塔卷积LSTM的光流估计的无监督学习
作者： Shuosen Guan, Wei-Shi Zheng
备注：IEEE International Conference on Multimedia and Expo(ICME). 2019
链接：https://arxiv.org/abs/1907.11628
【2】 Using 3D Convolutional Neural Networks to Learn Spatiotemporal Features for Automatic Surgical Gesture Recognition in Video
利用三维卷积神经网络学习时空特征用于视频手术手势自动识别
作者： Isabel Funke, Stefanie Speidel
备注：Accepted at MICCAI 2019. Source code will be made available
链接：https://arxiv.org/abs/1907.11454
[半/弱/无监督相关]：
【1】 Unsupervised Learning Framework of Interest Point Via Properties Optimization
基于属性优化的兴趣点无监督学习框架
作者： Pei Yan, Cai Wen
链接：https://arxiv.org/abs/1907.11375
[Re-id相关]：
【1】 MVB: A Large-Scale Dataset for Baggage Re-Identification and Merged Siamese Networks
MVB：用于行李重新识别和合并暹罗网络的大规模数据集
作者： Zhulin Zhang, Li Zhang
链接：https://arxiv.org/abs/1907.11366
[视频理解VQA/caption等]：
【1】 Cooperative image captioning
协同图像字幕
作者： Gilad Vered, Gal Chechik
链接：https://arxiv.org/abs/1907.11565
[其他视频相关]：
【1】 A Fully-Convolutional Neural Network for Background Subtraction of Unseen Videos
一种用于不可见视频背景减除的全卷积神经网络
作者： M. Ozan Tezcan, Prakash Ishwar
链接：https://arxiv.org/abs/1907.11371
[其他]：
【1】 Differential Scene Flow from Light Field Gradients
来自光场梯度的差分场景流
作者： Sizhuo Ma, Mohit Gupta
链接：https://arxiv.org/abs/1907.11637
【2】 Learning Transparent Object Matting
学习透明对象遮罩
作者： Guanying Chen, Kwan-Yee K. Wong
备注：To appear in International Journal of Computer Vision, Project Page: this https URL arXiv admin note: substantial text overlap with arXiv:1803.04636
链接：https://arxiv.org/abs/1907.11544
【3】 Minimal Solvers for Rectifying from Radially-Distorted Scales and Change of Scales
径向畸变比例尺校正和比例尺变化的最小求解器
作者： James Pritts, Ondřej Chum
备注：arXiv admin note: text overlap with arXiv:1807.06110
链接：https://arxiv.org/abs/1907.11539
【4】 Context-Aware Multipath Networks
上下文感知多路径网络
作者： Dumindu Tissera, Ranga Rodrigo
链接：https://arxiv.org/abs/1907.11519
【5】 Outfit Compatibility Prediction and Diagnosis with Multi-Layered Comparison Network
基于多层比较网络的装备相容性预测与诊断
作者： Xin Wang, Yueqi Zhong
链接：https://arxiv.org/abs/1907.11496
【6】 Single Level Feature-to-Feature Forecasting with Deformable Convolutions
具有可变形卷积的单层特征到特征预测
作者： Josip Šarić, Siniša Šegvić
备注：Accepted to German Conference on Pattern Recognition 2019. 19 pages, 8 figures, 7 tables
链接：https://arxiv.org/abs/1907.11475
【7】 Context-Integrated and Feature-Refined Network for Lightweight Urban Scene Parsing
用于轻量级城市场景解析的上下文集成和特征细化网络
作者： Bin Jiang, Junsong Yuan
链接：https://arxiv.org/abs/1907.11474
【8】 Multiple Human Association between Top and Horizontal Views by Matching Subjects' Spatial Distributions
通过匹配主体的空间分布实现俯视图和水平视图之间的多人关联
作者： Ruize Han, Song Wang
链接：https://arxiv.org/abs/1907.11458
【9】 Universal Pooling -- A New Pooling Method for Convolutional Neural Networks
通用池化-一种新的卷积神经网络池化方法
作者： Junhyuk Hyun, Euntai Kim
链接：https://arxiv.org/abs/1907.11440
【10】 Improving Generalization via Attribute Selection on Out-of-the-box Data
通过对开箱即用数据进行属性选择来改进泛化
作者： Xiaofeng Xu, Chuancai Liu
链接：https://arxiv.org/abs/1907.11397
【11】 Place Clustering-based Feature Recombination for Visual Place Recognition
基于位置聚类的视觉位置识别特征重组
作者： Qiang Zhai, Huiqin Zhan
链接：https://arxiv.org/abs/1907.11350
【12】 Camera Distance-aware Top-down Approach for 3D Multi-person Pose Estimation from a Single RGB Image
基于摄像机距离感知的自上而下的单幅RGB图像三维多人姿态估计方法
作者： Gyeongsik Moon, Kyoung Mu Lee
备注：Published at ICCV 2019
链接：https://arxiv.org/abs/1907.11346
【13】 SceneGraphNet: Neural Message Passing for 3D Indoor Scene Augmentation
SceneGraphNet：用于3D室内场景增强的神经消息传递
作者： Yang Zhou, Evangelos Kalogerakis
备注：8 pages, 8 figures, to appear in ICCV 2019
链接：https://arxiv.org/abs/1907.11308
【14】 Multi-Stage Prediction Networks for Data Harmonization
数据协调的多级预测网络
作者： Stefano B. Blumberg, Daniel C. Alexander
备注：Accepted In Medical Image Computing and Computer Assisted Intervention (MICCAI) 2019
链接：https://arxiv.org/abs/1907.11629
【15】 Bayesian Volumetric Autoregressive generative models for better semisupervised learning
用于更好的半监督学习的贝叶斯体积自回归生成模型
作者： Guilherme Pombo, Parashkev Nachev
链接：https://arxiv.org/abs/1907.11559
【16】 A bisector line field approach to interpolation of orientation fields
方向场插值的平分线场方法
作者： Nicolas Boizot (LIS), Ludovic Sacchelli (LIS)
链接：https://arxiv.org/abs/1907.11449
【17】 Automatic Calcium Scoring in Cardiac and Chest CT Using DenseRAUnet
用DenseRAUnet实现心脏和胸部CT中钙的自动评分
作者： Jiechao Ma, Rongguo Zhang
链接：https://arxiv.org/abs/1907.11392
【18】 Image Enhancement by Recurrently-trained Super-resolution Network
基于递归训练超分辨率网络的图像增强
作者： Saem Park, Nojun Kwak
链接：https://arxiv.org/abs/1907.11341
网友评论