/CV-Surveys

计算机视觉相关综述。包括目标检测、跟踪........

查看2021年综述文献点这里↘️2021-CV-Surveys

2022 年论文分类汇总戳这里

↘️CVPR-2022-Papers ↘️WACV-2022-Papers

2021 年论文分类汇总戳这里

↘️ICCV-2021-Papers ↘️CVPR-2021-Papers

2020 年论文分类汇总戳这里

↘️CVPR-2020-Papers ↘️ECCV-2020-Papers

2022-CV-Surveys

2022 年,计算机视觉相关综述。包括目标检测、跟踪........

📗📗📗在【我爱计算机视觉】微信公众号后台回复“CV综述”,即可收到本文列出的全部论文的打包下载。至6月17日已公开 131 篇。

目录

🐱 🐶 🐯 🐺
13.Human Pose Estimation(人体姿态估计) 14.Auto Driving(自动驾驶) 15.Image Super-resolution(超分辨率)
9.Video 10.Object Detection(目标检测) 11.Object Tracking(目标跟踪) 12.Image Processing(图像处理)
5.UAV\Remote Sensing\Satellite Image(无人机\遥感\卫星图像) 6.Face(人脸) 7.3D 8.Transformer
1.Unkown(未分) 2.Scene Graph Generation(场景图生成) 3.🏥Medical Image(医学影像) 4.ReID(重识别)

工业检测

Adversarial attacks

Data Augmentation(数据增强)

  • A Survey of Automated Data Augmentation Algorithms for Deep Learning-based Image Classication Tasks
    [2022-06-15]
    本篇综述从图像分类的角度讨论了AutoDA技术出现的根本原因。确定了标准AutoDA模型的三个关键组成部分:搜索空间、搜索算法和评估功能。基于它们的结构,对现有的图像AutoDA方法进行了系统的分类。本文介绍了AutoDA领域的主要工作,讨论了它们的优点和缺点,并提出了几个潜在的未来改进方向。

Deep Reinforcement Learning

Fish Habitat Monitoring

harmful meme detection

Clustering

.Metric Learning(度量学习)

Deepfake Detection(虚假内容检测)

Anomaly Detection(异常检测)

生物特征识别

Self-Supervised Learning

Transfer Learning(迁移学习)

Style Transfer(风格迁移)

Visual Speech(视觉语音)

  • Deep Learning for Visual Speech Analysis: A Survey
    [2022-05-24]
    是对基于深度学习的VSA进行的全面回顾。其中专注于两个基本问题:视觉语音识别和视觉语音生成,并对现实的挑战和当前的发展,包括数据集、评估协议、代表方法、SOTA性能、实际问题等进行总结。

OCR

Augmented Reality/Virtual Reality/Robotics(增强/虚拟现实/机器人)

Capsule networks(胶囊网络)

Vision-Language(视觉语言)

Attention

Image Segmentation(图像分割)

21.Model Compression/Knowledge Distillation/Pruning(模型压缩/知识蒸馏/剪枝)

20.3D

19.GAN

18.NAS(神经架构搜索)

  • Single Object Tracking Research: A Survey
    [2022-04-26]
    本文介绍了近十年来视频目标跟踪领域两大主流算法框架(基于相关滤波和孪生网络的目标跟踪算法)的基本原理、改进策略和代表性工作,之后按照网络结构分类介绍了其他基于深度学习的目标跟踪算法,还从解决目标跟踪所面临挑战的角度介绍了应对各类问题的典型解决方案,并总结了视频目标跟踪的历史发展脉络和未来发展趋势。
  • Siamese Object Tracking for Unmanned Aerial Vehicle: A Review and Comprehensive Analysis
    [2022-05-10]
    code
    本文对领先的 Siamese 跟踪器进行了全面的回顾,同时基于使用典型的无人机机载处理器的评估,对无人机进行了详尽的具体分析。
  • RGBT Tracking
    • A Survey for Deep RGBT Tracking
      [2022-01-25]
      本篇综述是对近期基于深度神经网络的RGBT追踪器的全面调研,得出MDNet和Siamese架构在RGBT任务中的两个主流框架,前者取得了更高的性能,而后者则满足了实时性要求。以及应对更大数据集应用时,应进一步考虑整合端到端框架,如Siamese和Transformer,以满足实时性以及更强的性能。
  • 视觉目标跟踪
  • 多目标跟踪
  • 步态识别
    • Gait Recognition Based on Deep Learning: A Survey
      [2022-01-11]
      本篇综述提供一个关于通过步态识别进行生物识别的最新工作的调查汇编,重点是深度学习方法,强调其优点,并揭露其缺点。此外,它还对数据集、方法和架构进行分类和描述,以解决相关的限制。
  • Scene Graph Generation: A Comprehensive Survey
    [2022-01-04]
    本篇综述对深度学习技术在这一领域所带来的最新成果进行了全面的调查。回顾了138项涵盖不同输入模式的代表性工作,并从特征提取和融合的角度系统地总结了现有的基于图像的SGG方法。

扫码CV君微信(注明:CV)入微信交流群:

image