CVPR 2020几篇论文内容点评：目标检测跟踪，人脸表情识别，姿态估计，实例分割等

CVPR 2020几篇论文内容点评：目标检测跟踪，人脸表情识别，姿态估计，实例分割等

CVPR 2020中选论文放榜后，最新开源项目合集也来了。

本届CPVR共接收6656篇论文，中选1470篇，“中标率”只有22%，堪称十年来最难的一届。

目标检测

论文题目：

Bridging the Gap Between Anchor-based and Anchor-free Detection via Adaptive Training Sample Selection

 

本文首先指出了基于锚点检测与无锚点检测的本质区别，在于如何定义正、负训练样本，从而导致两者之间的性能差距。

研究人员提出了一种自适应训练样本选择 (ATSS)，根据对象的统计特征自动选择正样本和负样本。它显著地提高了基于锚点和无锚点探测器的性能，并弥补了两者之间的差距。

最后，还讨论了在图像上每个位置平铺多个锚点来检测目标的必要性。

论文地址：
https://arxiv.org/abs/1912.02424

代码：
https://github.com/sfzhang15/ATSS

目标跟踪

论文题目：

MAST: A Memory-Augmented Self-supervised Tracker

 

 

 

这篇论文提出了一种密集的视频跟踪模型 (无任何注释)，在现有的基准上大大超过了之前的自监督方法(+15%)，并实现了与监督方法相当的性能。

首先通过深入的实验，重新评估用于自监督训练和重建损失的传统选择。其次，通过使用一个重要的内存组件来扩展架构，从而进一步改进现有的方法。而后，对大规模半监督视频对象分割进行了基准测试，提出了一种新的度量方法：可泛化 (generalizability)。

论文地址：
https://arxiv.org/abs/2002.07793

代码：
https://github.com/zlai0/MAST

实例分割

论文题目：

PolarMask: Single Shot Instance Segmentation with Polar Representation

 

 

 

 

本文提出了PolarMask方法，是一种single shot的实例分割框架。PolarMask基于FCOS，把实例分割统一到了FCN的框架下。

FCOS本质上是一种FCN的dense prediction的检测框架，可以在性能上不输anchor based的目标检测方法。

贡献在于，把更复杂的实例分割问题，转化成在网络设计和计算量复杂度上和物体检测一样复杂的任务，把对实例分割的建模变得简单和高效。

论文地址：
https://arxiv.org/abs/1909.13226

代码：
https://github.com/xieenze/PolarMask

NAS

论文题目：

CARS: Continuous Evolution for Efficient Neural Architecture Search

 

在本文中，研究人员开发了一种高效的连续演化方法来搜索神经网络。

在最近的迭代中，在一个超网中共享参数的种群中的架构，将在具有几个epoch的训练数据集上进行调优。下一个演化迭代中的搜索将直接继承超网和种群，加速了最优网络的生成。进一步采用非支配排序策略，仅保留Pareto前沿的结果，以精确更新超网。

经过0.4天的GPU连续搜索，可以生成多个模型大小和性能不同的神经网络。这些网络超过了基准ImageNet数据集上最先进方法产生的网络。

论文地址：
https://arxiv.org/abs/1909.04977

代码(即将开源)：
https://github.com/huawei-noah/CARS

人体姿态估计

2D人体姿态估计

论文题目：

The Devil is in the Details: Delving into Unbiased Data Processing for Human Pose Estimation

 

所有计算机视觉的任务都需要和数据处理打交道，但在关键点检测问题上，数据处理显得尤为重要。在关键点检测任务上，数据处理尚未被系统的学习，因此这篇文章关注了人体关键点检测问题的数据处理，认为它是算法的一个极其重要的组成部分。

在系统地分析这个问题的时候，发现现有的所有的state-of-the-art在这个环节上都会存在两个方面的问题：一个是在测试过程中，如果使用flip ensemble时，由翻转图像得到的结果和原图得到的结果并不对齐。另外一个是使用的编码解码(encoding-decoding)方法存在较大的统计误差。

这两个问题耦合在一起，产生的影响包括：估计的结果不准确、复现指标困难、有较大可能使得实验的结果结论不可靠。

论文地址：
https://arxiv.org/abs/1911.07524

代码：
https://github.com/HuangJunJie2017/UDP-Pose

人脸表情识别

论文题目：

Suppressing Uncertainties for Large-Scale Facial Expression Recognition

 

 

本文提出了一种简单而有效的自修复网络(SCN)，它能有效地抑制不确定性，防止深度网络对不确定的人脸图像进行过拟合。

具体来说，SCN从两个不同的方面抑制了不确定性：⑴在小批量上的自关注机制，通过排名规则化对每个训练样本进行加权；⑵重新贴标签机制，在排名最低的组中修改这些样本的标签。

论文地址：
https://arxiv.org/abs/2002.10392

代码(即将开源)：
https://github.com/kaiwang960112/Self-Cure-Network

3D人体姿态估计

论文题目：

VIBE: Video Inference for Human Body Pose and Shape Estimation

由于缺乏用于训练的ground-truth三维运动数据，现有的基于视频的最先进的方法无法生成准确和自然的运动序列。

为了解决这个问题，本文提出了身体姿态和形状估计的视频推理(VIBE)，它利用了现有的大型动作捕捉数据集(AMASS)和未配对的、in-the-wild 2D关键点注释。

关键创新是一个对抗性学习框架，它利用AMASS来区分真实的人类动作和由时间姿态、形状回归网络产生的动作。

论文地址：
https://arxiv.org/abs/1912.05656

代码：
https://github.com/mkocabas/VIBE