同步wx公主号(arXiv每日论文速递)，支持后台回复'search 关键词'搜索相关的最新论文。有些许帮助的话，麻烦关注一下哦(*￣rǒ￣)
cs.CV 方向，今日共计77篇
[检测分类相关]：
【1】 X-LineNet: Detecting Aircraft in Remote Sensing Images by a pair of Intersecting Line Segments
X-LineNet：通过一对相交的线段检测遥感图像中的飞行器
作者： Haoran Wei, Zhang Yue
链接：https://arxiv.org/abs/1907.12474
【2】 Specular- and Diffuse-reflection-based Face Liveness Detection for Mobile Devices
基于镜面反射和漫反射的移动设备人脸活性检测
作者： Akinori F. Ebihara, Hitoshi Imaoka
链接：https://arxiv.org/abs/1907.12400
【3】 On the Realization and Analysis of Circular Harmonic Transforms for Feature Detection
特征检测中圆谐变换的实现与分析
作者： Hugh L Kennedy
链接：https://arxiv.org/abs/1907.12165
【4】 It's All About The Scale -- Efficient Text Detection Using Adaptive Scaling
这一切都是关于缩放-使用自适应缩放的高效文本检测
作者： Elad Richardson, Stav Shapiro
链接：https://arxiv.org/abs/1907.12122
【5】 Real-time Tracking-by-Detection of Human Motion in RGB-D Camera Networks
RGB-D摄像机网络中人体运动的实时跟踪
作者： Alessandro Malaguti, Stefano Ghidoni
备注：Accepted to IEEE SMC 2019
链接：https://arxiv.org/abs/1907.12112
【6】 Rethinking Classification and Localization for Cascade R-CNN
对级联R-CNN分类和定位的再思考
作者： Ang Li, Chongyang Zhang
备注：BMVC 2019 Camera Ready
链接：https://arxiv.org/abs/1907.11914
【7】 Forced Spatial Attention for Driver Foot Activity Classification
驾驶员足部活动分类的强制空间注意
作者： Akshay Rangesh, Mohan M. Trivedi
链接：https://arxiv.org/abs/1907.11824
【8】 Grape detection, segmentation and tracking using deep neural networks and three-dimensional association
利用深层神经网络和三维关联进行葡萄检测、分割和跟踪
作者： Thiago T. Santos, Sandra Avila
链接：https://arxiv.org/abs/1907.11819
【9】 Accurate and Robust Pulmonary Nodule Detection by 3D Feature Pyramid Network with Self-supervised Feature Learning
基于自监督特征学习的3D特征金字塔网络精确而鲁棒的肺结节检测
作者： Jingya Liu, Yingli Tian
备注：15 pages, 8 figures, 5 tables, under review by Medical Image Analysis. arXiv admin note: substantial text overlap with arXiv:1906.03467
链接：https://arxiv.org/abs/1907.11704
【10】 Automated Lesion Detection by Regressing Intensity-Based Distance with a Neural Network
基于神经网络的基于强度的距离回归自动病变检测
作者： Kimberlin M.H. van Wijnen, Marleen de Bruijne
备注：MICCAI 2019
链接：https://arxiv.org/abs/1907.12452
[分割/语义相关]：
【1】 FSS-1000: A 1000-Class Dataset for Few-Shot Segmentation
FSS-1000：用于少镜头分割的1000类数据集
作者： Tianhan Wei, Chi-Keung Tang
链接：https://arxiv.org/abs/1907.12347
【2】 Multi-Task Attention-Based Semi-Supervised Learning for Medical Image Segmentation
基于多任务注意的半监督医学图像分割学习
作者： Shuai Chen, Marleen de Bruijne
备注：Accepted at MICCAI 2019
链接：https://arxiv.org/abs/1907.12303
【3】 A Two Stage GAN for High Resolution Retinal Image Generation and Segmentation
用于高分辨率视网膜图像生成和分割的两级GaN
作者： Paolo Andreini, Andrea Sodi
链接：https://arxiv.org/abs/1907.12296
【4】 Regularizing Proxies with Multi-Adversarial Training for Unsupervised Domain-Adaptive Semantic Segmentation
面向无监督领域自适应语义分割的多对抗性训练正规化代理
作者： Tong Shen, Tao Mei
链接：https://arxiv.org/abs/1907.12282
【5】 Interlaced Sparse Self-Attention for Semantic Segmentation
基于交错稀疏自注意的语义切分
作者： Lang Huang, Jingdong Wang
链接：https://arxiv.org/abs/1907.12273
【6】 A Fine-Grain Error Map Prediction and Segmentation Quality Assessment Framework for Whole-Heart Segmentation
一种适用于全心分割的细粒度误差图预测和分割质量评估框架
作者： Rongzhao Zhang, Albert C.S. Chung
备注：9 pages, accepted by MICCAI'19
链接：https://arxiv.org/abs/1907.12244
【7】 Automatic Text Line Segmentation Directly in JPEG Compressed Document Images
直接在JPEG压缩文档图像中自动进行文本行分割
作者： Bulla Rajesh, P Nagabhushan
备注：Accepted in GCCE2019, Okinawa, Japan
链接：https://arxiv.org/abs/1907.12219
【8】 FocusNet: Imbalanced Large and Small Organ Segmentation with an End-to-End Deep Neural Network for Head and Neck CT Images
FocusNet：基于端到端深度神经网络的头颈部CT图像不平衡大小器官分割
作者： Yunhe Gao, Hongsheng Li
备注：MICCAI 2019
链接：https://arxiv.org/abs/1907.12056
【9】 DAR-Net: Dynamic Aggregation Network for Semantic Scene Segmentation
DAR-NET：面向语义场景分割的动态聚合网络
作者： Zongyue Zhao, Karthik Ramani
链接：https://arxiv.org/abs/1907.12022
【10】 Segmenting Hyperspectral Images Using Spectral-Spatial Convolutional Neural Networks With Training-Time Data Augmentation
利用训练时间数据增强的谱-空间卷积神经网络分割高光谱图像
作者： Jakub Nalepa, Michal Kawulok
链接：https://arxiv.org/abs/1907.11935
【11】 Semantic Guided Single Image Reflection Removal
语义引导的单幅图像反射去除
作者： Yunfei Liu, Feng Lu
链接：https://arxiv.org/abs/1907.11912
【12】 Pick-and-Learn: Automatic Quality Evaluation for Noisy-Labeled Image Segmentation
Pick-and-Learn：噪声标记图像分割的自动质量评估
作者： Haidong Zhu, Ji Wu
备注：Accepted for MICCAI2019
链接：https://arxiv.org/abs/1907.11835
[GAN/对抗式/生成式相关]：
【1】 Learn to Scale: Generating Multipolar Normalized Density Map for Crowd Counting
学会缩放：生成用于人群计数的多极归一化密度贴图
作者： Chenfeng Xu, Xiang Bai
备注：Accepted to ICCV 2019
链接：https://arxiv.org/abs/1907.12428
【2】 MaskGAN: Towards Diverse and Interactive Facial Image Manipulation
MaskGAN：走向多样化和交互式的面部图像处理
作者： Cheng-Han Lee, Ping Luo
链接：https://arxiv.org/abs/1907.11922
【3】 Blind Deblurring Using GANs
利用GANS实现盲解模糊
作者： Manoj Kumar Lenka, Anurag Mittal
链接：https://arxiv.org/abs/1907.11880
【4】 Quadtree Generating Networks: Efficient Hierarchical Scene Parsing with Sparse Convolutions
四叉树生成网络：使用稀疏卷积的高效分层场景解析
作者： Kashyap Chitta, Martial Hebert
链接：https://arxiv.org/abs/1907.11821
【5】 VITAL: A Visual Interpretation on Text with Adversarial Learning for Image Labeling
重要：图像标注的对抗性学习文本的视觉解释
作者： Tao Hu, Chunxia Xiao
链接：https://arxiv.org/abs/1907.11811
【6】 Solar Image Restoration with the Cycle-GAN Based on Multi-Fractal Properties of Texture Features
基于纹理特征多重分形特性的周期GaN太阳图像恢复
作者： Peng Jia, Dongmei Cai
链接：https://arxiv.org/abs/1907.12192
【7】 Generative Adversarial Network for Handwritten Text
手写文本的生成对抗性网络
作者： Bo Ji, Tianyi Chen
备注：12 pages, 7 figures, submitted for WACV 2020
链接：https://arxiv.org/abs/1907.11845
[图像/视频检索]：
【1】 A Benchmark on Tricks for Large-scale Image Retrieval
一种用于大规模图像检索的Tricks基准测试
作者： ByungSoo Ko, Youngjoon Kim
链接：https://arxiv.org/abs/1907.11854
【2】 Hybrid-Attention based Decoupled Metric Learning for Zero-Shot Image Retrieval
基于混合关注度的解耦度量学习在零镜头图像检索中的应用
作者： Binghui Chen, Weihong Deng
备注：CVPR 2019
链接：https://arxiv.org/abs/1907.11832
[行为/时空/光流/姿态/运动]：
【1】 Optical Flow for Intermediate Frame Interpolation of Multispectral Geostationary Satellite Data
多光谱地球同步卫星数据中间帧插值的光流
作者： Thomas Vandal, Ramakrishna Nemani
链接：https://arxiv.org/abs/1907.12013
[半/弱/无监督相关]：
【1】 Self-Supervised Learning for Stereo Reconstruction on Aerial Images
航空图像立体重建的自监督学习
作者： Patrick Knöbelreiter, Thomas Pock
备注：Symposium Prize Paper Award @IGARSS 2018
链接：https://arxiv.org/abs/1907.12446
【2】 Recursive Cascaded Networks for Unsupervised Medical Image Registration
递归级联网络在无监督医学图像配准中的应用
作者： Shengyu Zhao, Yan Xu
备注：Accepted to ICCV 2019
链接：https://arxiv.org/abs/1907.12353
[跟踪相关]：
【1】 End-to-End Learning Deep CRF models for Multi-Object Tracking
用于多目标跟踪的端到端学习深度CRF模型
作者： Jun Xiang, Jianhua Hou
链接：https://arxiv.org/abs/1907.12176
【2】 ROAM: Recurrently Optimizing Tracking Model
ROAM：递归优化跟踪模型
作者： Tianyu Yang, Antoni B. Chan
链接：https://arxiv.org/abs/1907.12006
【3】 Remote Heart Rate Measurement from Highly Compressed Facial Videos: an End-to-end Deep Learning Solution with Video Enhancement
来自高度压缩的面部视频的远程心率测量：具有视频增强的端到端深度学习解决方案
作者： Zitong Yu, Guoying Zhao
备注：IEEE ICCV2019, accepted
链接：https://arxiv.org/abs/1907.11921
【4】 Tell Me What to Track
告诉我要跟踪什么
作者： Qi Feng, Stan Sclaroff
链接：https://arxiv.org/abs/1907.11751
[迁移学习/domain/主动学习相关]：
【1】 Fairest of Them All: Establishing a Strong Baseline for Cross-Domain Person ReID
其中最公平的：为跨域人员Reid建立强大的基线
作者： Devinder Kumar, Alexander Wong
链接：https://arxiv.org/abs/1907.12016
[裁剪/量化/加速相关]：
【1】 Memory- and Communication-Aware Model Compression for Distributed Deep Learning Inference on IoT
面向物联网分布式深度学习推理的内存和通信感知模型压缩
作者： Kartikeya Bhardwaj, Radu Marculescu
备注：This preprint is for personal use only. The official article will appear as part of the ESWEEK-TECS special issue and will be presented in the International Conference on Hardware/Software Codesign and System Synthesis (CODES+ISSS), 2019
链接：https://arxiv.org/abs/1907.11804
[其他视频相关]：
【1】 Meta Learning for Task-Driven Video Summarization
用于任务驱动视频摘要的元学习
作者： Xuelong Li, Yongsheng Dong
链接：https://arxiv.org/abs/1907.12342
【2】 Seeing Things in Random-Dot Videos
在随机点视频中看东西
作者： Thomas Dagès, Alfred M. Bruckstein
链接：https://arxiv.org/abs/1907.12195
[其他]：
【1】 Towards Automatic Screening of Typical and Atypical Behaviors in Children With Autism
自闭症儿童典型和非典型行为的自动筛选
作者： Andrew Cook, Matthew Johnson
备注：7 pages, 5 figures and 6 tables. 6th IEEE International Conference on Data Science and Advanced Analytics (DSAA) 2019
链接：https://arxiv.org/abs/1907.12537
【2】 Benefiting from Multitask Learning to Improve Single Image Super-Resolution
利用多任务学习提高单幅图像超分辨率
作者： Mohammad Saeed Rad, Jean-Philippe Thiran
备注：accepted at Neurocomputing (Special Issue on Deep Learning for Image Super-Resolution), 2019
链接：https://arxiv.org/abs/1907.12488
【3】 Salient Slices: Improved Neural Network Training and Performance with Image Entropy
显著切片：改进的神经网络训练和图像熵性能
作者： Steven J. Frank, Andrea M. Frank
链接：https://arxiv.org/abs/1907.12436
【4】 Consensus Feature Network for Scene Parsing
用于场景解析的共识特征网络
作者： Tianyi Wu, Yongdong Zhang
链接：https://arxiv.org/abs/1907.12411
【5】 Goal-Driven Sequential Data Abstraction
目标驱动的顺序数据抽象
作者： Umar Riaz Muhammad, Yi-Zhe Song
备注：Accepted at ICCV 2019
链接：https://arxiv.org/abs/1907.12336
【6】 V-PROM: A Benchmark for Visual Reasoning Using Visual Progressive Matrices
V-PROM：使用可视渐进矩阵的可视推理基准
作者： Damien Teney, Anton van den Hengel
链接：https://arxiv.org/abs/1907.12271
【7】 AirFace:Lightweight and Efficient Model for Face Recognition
AirFace：轻量级高效的人脸识别模型
作者： Xianyang Li
链接：https://arxiv.org/abs/1907.12256
【8】 Silhouette Guided Point Cloud Reconstruction beyond Occlusion
轮廓导引的遮挡后的点云重建
作者： Chuhang Zou, Derek Hoiem
链接：https://arxiv.org/abs/1907.12253
【9】 Automatic Registration between Cone-Beam CT and Scanned Surface via Deep-Pose Regression Neural Networks and Clustered Similarities
基于深度姿态回归神经网络和聚类相似性的锥束CT与扫描表面自动配准
作者： Minyoung Chung, Yeong-Gil Shin
链接：https://arxiv.org/abs/1907.12250
【10】 KNEEL: Knee Anatomical Landmark Localization Using Hourglass Networks
膝部：利用沙漏网络进行膝关节解剖地标定位
作者： Aleksei Tiulpin, Simo Saarakkala
链接：https://arxiv.org/abs/1907.12237
【11】 Multi-Granularity Fusion Network for Proposal and Activity Localization: Submission to ActivityNet Challenge 2019 Task 1 and Task 2
用于提案和活动本地化的多粒度融合网络：提交给ActivityNet挑战2019任务1和任务2
作者： Haisheng Su, Shuming Liu
链接：https://arxiv.org/abs/1907.12223
【12】 Enforcing geometric constraints of virtual normal for depth prediction
加强虚拟法线的几何约束进行深度预测
作者： Yin Wei, Youliang Yan
备注：Appearing in Proc. Int. Conf. Computer Vision 2019. Code is available at: this https URL
链接：https://arxiv.org/abs/1907.12209
【13】 ChaLearn Looking at People: IsoGD and ConGD Large-scale RGB-D Gesture Recognition
ChaLearn看人：IsoGD和ConGD大规模RGB-D手势识别
作者： Jun Wan, Stan Z. Li
链接：https://arxiv.org/abs/1907.12193
【14】 Iris Recognition for Personal Identification using LAMSTAR neural network
LAMSTAR神经网络用于个人身份识别的虹膜识别
作者： Shideh Homayon, Mahdi Salarian
链接：https://arxiv.org/abs/1907.12145
【15】 An Empirical Study on Leveraging Scene Graphs for Visual Question Answering
利用场景图进行视觉问答的实证研究
作者： Cheng Zhang, Dong Xuan
备注：Accepted as oral presentation at BMVC 2019
链接：https://arxiv.org/abs/1907.12133
【16】 Dilated Point Convolutions: On the Receptive Field of Point Convolutions
扩张点卷积：关于点卷积的接受场
作者： Francis Engelmann, Bastian Leibe
链接：https://arxiv.org/abs/1907.12046
【17】 Learning Wear Patterns on Footwear Outsoles Using Convolutional Neural Networks
用卷积神经网络学习鞋底磨损模式
作者： Xavier Francis, Soheil Varastehpour
链接：https://arxiv.org/abs/1907.12005
【18】 Attribute-Guided Deep Polarimetric Thermal-to-visible Face Recognition
属性引导的深度偏振热-可见光人脸识别
作者： Seyed Mehdi Iranmanesh, Nasser M. Nasrabadi
链接：https://arxiv.org/abs/1907.11980
【19】 Learning Body Shape and Pose from Dense Correspondences
从密集对应中学习身体形状和姿势
作者： Yusuke Yoshiyasu, Lucas Gamez
链接：https://arxiv.org/abs/1907.11955
【20】 Triangulation: Why Optimize?
三角剖分：为什么要优化？
作者： Seong Hun Lee, Javier Civera
备注：Accepted to BMVC2019 (oral presentation)
链接：https://arxiv.org/abs/1907.11917
【21】 Context Model for Pedestrian Intention Prediction using Factored Latent-Dynamic Conditional Random Fields
基于因子潜在动态条件随机场的行人意向预测上下文模型
作者： Satyajit Neogi, Justin Dauwels
链接：https://arxiv.org/abs/1907.11881
【22】 Genetic Deep Learning for Lung Cancer Screening
遗传深度学习在肺癌筛查中的应用
作者： Hunter Park, Connor Monahan
链接：https://arxiv.org/abs/1907.11849
【23】 Learning Instance-wise Sparsity for Accelerating Deep Models
学习实例稀疏性加速深度模型
作者： Chuanjian Liu, Chang Xu
备注：Accepted by IJCAI 2019
链接：https://arxiv.org/abs/1907.11840
【24】 Attribute Aware Pooling for Pedestrian Attribute Recognition
用于行人属性识别的属性感知池
作者： Kai Han, Chang Xu
备注：Accepted by IJCAI 2019
链接：https://arxiv.org/abs/1907.11837
【25】 Reprojection R-CNN: A Fast and Accurate Object Detector for 360° Images
再投影R-CNN：一种快速准确的360°图像物体检测器
作者： Pengyu Zhao, Yunhai Tong
链接：https://arxiv.org/abs/1907.11830
【26】 To Learn or Not to Learn: Analyzing the Role of Learning for Navigation in Virtual Environments
学习还是不学习：虚拟环境中导航学习的角色分析
作者： Noriyuki Kojima, Jia Deng
链接：https://arxiv.org/abs/1907.11770
【27】 Solving the Robot-World Hand-Eye(s) Calibration Problem with Iterative Methods
用迭代方法求解机器人世界手眼标定问题
作者： Amy Tabb, Khalil M. Ahmad Yousef
链接：https://arxiv.org/abs/1907.12425
【28】 Charting the Right Manifold: Manifold Mixup for Few-shot Learning
绘制正确的流形：流形混合用于少量学习
作者： Puneet Mangla, Balaji Krishnamurthy
链接：https://arxiv.org/abs/1907.12087
【29】 Two-Stream CNN with Loose Pair Training for Multi-modal AMD Categorization
基于松散对训练的双流CNN多模态AMD分类
作者： Weisen Wang, Xirong Li
备注：accepted by MICCAI 2019
链接：https://arxiv.org/abs/1907.12023
【30】 What Should I Ask? Using Conversationally Informative Rewards for Goal-Oriented Visual Dialog
我该问什么？为面向目标的可视对话使用会话信息性奖励
作者： Pushkar Shukla, William Yang Wang
备注：Accepted to ACL 2019
链接：https://arxiv.org/abs/1907.12021
【31】 Learnable Parameter Similarity
可学习参数相似性
作者： Guangcong Wang, Guangrun Wang
链接：https://arxiv.org/abs/1907.11943
【32】 Deep learning-based prediction of kinetic parameters from myocardial perfusion MRI
基于深度学习的心肌灌注MRI动力学参数预测
作者： Cian M. Scannell, Mitko Veta
备注：Medical Imaging with Deep Learning: MIDL 2019 Extended Abstract Track. MIDL 2019 [arXiv:1907.08612]
链接：https://arxiv.org/abs/1907.11899
【33】 Effective and efficient ROI-wise visual encoding using an end-to-end CNN regression model and selective optimization
使用端到端CNN回归模型和选择性优化的有效且高效的ROI-wise视觉编码
作者： Kai Qiao, Bin Yan
链接：https://arxiv.org/abs/1907.11885
【34】 Momentum-Net: Fast and convergent iterative neural network for inverse problems
动量网：快速收敛的反问题迭代神经网络
作者： Il Yong Chun, Jeffrey A. Fessler
链接：https://arxiv.org/abs/1907.11818
【35】 Deep MRI Reconstruction: Unrolled Optimization Algorithms Meet Neural Networks
深度MRI重建：展开优化算法满足神经网络
作者： Dong Liang, Leslie Ying
链接：https://arxiv.org/abs/1907.11711
翻译：腾讯翻译君
网友评论