aoi学院

关注微信公众号：人工智能前沿讲习班，公众号对话框回复“张士峰”获取PPT。

目前基于深度学习的通用物体检测算法大致可以分为两类：一步法检测器和二步法检测器。一步法检测器有较高的检测速度，但检测精度不如二步法检测器。而二步法检测有较高的检测精度，但检测效率不如一步法检测器。为了使得一步法检测器获得二步法检测器的检测精度，同时保持较高的检测效率，本文作者对一步法和二步法检测器进行了一系列探索，提出了RefineDet、SRN、AlignDet等系列算法。

关注微信公众号：人工智能前沿讲习班，公众号对话框回复“宋林森”获取PPT。

近年来，图像补全问题在应用深度学习技术的条件下已经实现了较好的补全效果，甚至于人眼也难以分辨。故而，该技术也已经成为图像补全问题上的一个研究热点。同时，如何修改对抗生成网络以使其更好的适应图像补全问题以及如何针对人脸补全这一子问题来构造更有效的生成模型已经得到了越来越多的关注。此次分享将简单介绍图像及人脸补全方法的历史发展，并在最后介绍我们在人脸补全问题上的一些工作。

关注微信公众号：人工智能前沿讲习班，公众号对话框回复“王胤全”获取PPT。

图是现实世界中一类重要的数据结构，社交网络、通讯网络、交通网络、蛋白质作用网络等都可以由图的形式表达。图的生成与分类、社区发现、节点分类等任务也有着广泛应用。近几年图卷积神经网络把深度学习中卷积神经网络的思想用到图的学习上，达到了非常好的效果。本文主要介绍图卷积网络的基本概念以及关于它的一些进展。

关注微信公众号：人工智能前沿讲习班，公众号对话框回复“高扬”获取PPT。

半监督图卷积神经网络(Semi-GCN)对原始的GCN进行了约束与简化，也因此诞生了诸多研究方向。GraphSAGE首先归纳出了Neighbor Aggregate模式；GAT将Attention机制引入到了GCN当中；GeniePath尝试将GCN的层次做深。本次讨论将主要介绍semi-GCN之后的这些变体与它们之间的联系，以及当前GCN研究当中的问题与挑战。

关注微信公众号：人工智能前沿讲习班，公众号对话框回复“尤安升”获取视频PPT。

目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视觉减少对人力资本的消耗，具有重要的现实意义。因此，目标检测也就成为了近年来理论和应用的研究热点，它是图像处理和计算机视觉学科的重要分支，也是智能监控系统的核心部分，同时目标检测也是泛身份识别领域的一个基础性的算法，对后续的人脸识别、步态识别、人群计数、实例分割等任务起着至关重要的作用。

关注微信公众号：人工智能前沿讲习班，公众号对话框回复“蒋正锴”获取视频PPT。
在神经网络中，我们知道卷积层通过卷积核和原始特征的线性结合得到输出特征，由于卷积核通常是局部的，为了增加感受野，往往采取堆叠卷积层的方式，实际上这种处理方式并不高效。同时，计算机视觉的很多任务都是由于语义信息不足从而影响最终的性能。自注意力机制通过捕捉全局的信息来获得更大的感受野和上下文信息。这次的分享主要从自注意力的角度分析最近的一些发展，以及相应的改进方案。

关注微信公众号：人工智能前沿讲习班，公众号对话框回复“郭超旭”获取视频PPT。
随着深度卷积神经网络的迅速发展，基于图片的识别任务包括分类、检测与分割等都得到了极大的进步。然而，我们现实生活面临的都是一些视频流信息，而基于图片的模型参数量大且Inference时间较长，如何将这些模型迁移到视频流上成为了一个研究热点。此次分享主要聚焦于基于视频的目标检测，介绍近几年research community 在视频目标检测的几个比较好的工作。

关注微信公众号：人工智能前沿讲习班，后台回复：李彦玮，获取PPT及文章资料~
对图像场景的准确理解和建模是人们一直以来的诉求，这是因为精确的场景模型是后续高层的智能安防及自动驾驶任务的基础。对于场景的像素级理解主要包括了实例分割和语义分割，而今年Kaiming新提出的全景分割则对这两个任务进行了统一。我们在这次分享中主要会介绍语义分割和全景分割任务中的一些新进展，同时也会介绍全景分割任务的Benchmark及评测指标。

关注微信公众号：人工智能前沿讲习班，获取更多人工智能前沿资料~~~╮(￣▽￣)╭
This report provides a comprehensive introduction of established methods about grained sketch-based image retrieval. Moreover, I will discuss about recent developments on sketch re-identification.