计算机教学论文（计算机视觉精选论文）

　　计算机教学论文（计算机视觉精选论文）
　　2019年转眼已经接近尾声，我们看到，这一年计算机视觉（CV）领域又诞生了大量出色的论文，提出了许多新颖的架构和方法，进一步提高了视觉系统的感知和生成能力。因此，我们精选了2019年十大CV研究论文，帮你了解该领域的最新趋势。
　　我们看到，近年来，计算机视觉（CV）系统已经逐渐成功地应用在医疗保健，安防，运输，零售，银行，农业等领域，也正在逐渐改变整个行业的面貌。
　　而今年，CV领域依然硕果累累，诞生了多篇优秀论文。我们选择了其中十篇论文，以供大家参考、学习，了解该领域的最新趋势与前沿技术。
　　这十篇论文涵盖了卷积网络的优化，计算机视觉中的无监督学习，图像生成和机器生成图像的评估，视觉语言导航，使用自然语言为两个图像标注变化等。
　　以下是我们精选的10篇论文目录，先一睹为快：
　　1。EfficientNet：RethinkingModelScalingforConvolutionalNeuralNetworks
　　EfficientNet：卷积神经网络模型缩放的反思
　　2。LearningtheDepthsofMovingPeoplebyWatchingFrozenPeople
　　通过观看静止的人来学习移动的人的深度
　　3。ReinforcedCrossModalMatchingandSelfSupervisedImitationLearningforVisionLanguageNavigation
　　增强的跨模态匹配和自我监督的模仿学习，用于视觉语言导航
　　4。ATheoryofFermatPathsforNonLineofSightShapeReconstruction
　　非视线形状重构的费马路径理论
　　5。ReasoningRCNN：UnifyingAdaptiveGlobalReasoningintoLargescaleObjectDetection
　　ReasoningRCNN：将自适应全局推理统一到大规模目标检测中
　　6。FixingtheTrainTestResolutionDiscrepancy
　　修复训练测试分辨率差异
　　7。SinGAN：LearningaGenerativeModelfromaSingleNaturalImage
　　SinGAN：从单个自然图像中学习生成模型
　　8。LocalAggregationforUnsupervisedLearningofVisualEmbeddings
　　视觉聚合的无监督学习的局部聚合
　　9。RobustChangeCaptioning
　　强大的更改字幕
　　10。HYPE：ABenchmarkforHumaneYePerceptualEvaluationofGenerativeModels
　　HYPE：人类对生成模型的eYe感知评估的基准
　　接下来，我们将从核心思想、关键成就、未来技术应用等方面，详细介绍这10篇论文。限于篇幅，我们将解读分为上、中、下三个篇章，欢迎大家持续关注后续内容推送。
　　1hr《EfficientNet：卷积神经网络模型缩放的反思》
　　论文地址：https：arxiv。orgpdf1905。11946。pdf
　　摘要
　　卷积神经网络（ConvNets）通常是在固定资源预算下开发的，如果有更多资源可用，则会进行扩展以获得更高的精度。在本文中，我们系统地研究了模型缩放，并发现仔细平衡网络的深度，宽度和分辨率，可以带来更好的性能。基于此观察结果，我们提出了一种新的缩放方法，该方法使用简单而高效的复合系数来均匀缩放深度宽度分辨率的所有维度。我们证明了此方法在扩展MobileNets和ResNet方面的有效性。
　　更进一步，我们使用神经体系结构搜索来设计一个新的基准网络，并对其进行扩展以获得称为EfficientNets的模型系列，该模型系列比以前的ConvNets具有更高的准确性和效率。特别是，我们的EfficientNetB7在ImageNet上达到了最先进的84。4top197。1top5精度，同时比现有最佳ConvNet缩小了8。4倍，推理速度提高了6。1倍。我们的EfficientNets还可以很好地传输并在CIFAR100（91。7），Flowers（98。8）和其他3个传输学习数据集上达到最先进的精度，而参数要少几个数量级。源代码链接：https：github。com
　　tensorflowtputreemastermodelsofficialefficientnet。。