致鲜果RSS阅读器用户   各位鲜果RSS阅读器用户，很遗憾的通知大家，鲜果团队将在2014年12月12日关闭RSS订阅服务。感谢大家长期以来的支持，希望大家理解我们的这一决定。——题记图1由于鲜果阅读器要关闭，所以我们不得不需要找到一个可以和鲜果阅读器可以媲美的软件，Inoreader软...

paper链接：https://arxiv.org/pdf/1812.09953.pdfcode链接：https://github.com/YangZhang4065/AdaptationSeg摘要：在过去的5年里面，卷积神经网络在语义分割领域大获全胜，语义分割是许多其他应用的核心任务之一，这其中包括无人驾驶、增强现实...

记笔记目的：刻意地、有意地整理其思路，综合对比，以求借鉴。他山之石，可以攻玉。《ConvolutionalSimplexProjectionNetwork forWeaklySupervisedSemantic Segmentation》-20180724，一篇来自德国波恩大学与锡根大学的paper...

这篇文章目前发表在arxiv，日期：20180309。这是一篇针对多种综合性信息的视觉显著性检测的综述文章。注：有些名词直接贴原文，是因为不翻译更容易理解。也不会逐字逐句都翻译，重要的肯定不会错过^_^。我们的目的是理解文章思想，而不是为了翻译而纯粹翻译。翻译得不好，敬请包涵~欢迎同道中人QQ交流：1505543113...

国内精读！title（26）：SalientObjectDetection:ADiscriminativeRegionalFeature IntegrationApproach（显著性检测：一个多特征自适应融合的显著性检测方法）---2013Abstract：本文将显著图计算视为回归（regression）问...

Title：《视觉显著性预测综述》---孙夏本文针对视觉显著性预测这一热点问题，通过介绍和对比了基于认知型，基于图论模型、基于频谱模型、和基于模式识别模型等视觉显著性预测算法的优缺点，得出基于模式识别模型在现有数据库效果的最好结论。同时，本文探究了已有的数据库特色以及适用范围。 除此之外，本文分析了Auc、N...

国外泛读！title（31）：LearningPixel-levelSemanticAffinitywithImage-levelSupervision forWeaklySupervisedSemanticSegmentation（在弱监督语义分割中利用图像级监督学习像素级语义相关性）---20180409...

国内精读！title（28）：GlobalContrastbasedSalientRegionDetection（基于全局对比的显著区域检测）---CVPR2011（显著性检测因为是一个非常具体的研究方向，所以并不像跟踪，人脸识别这种有一些经典的方法步骤。显著性就是对目标的提取，只不过是一种无监督的学习。我们也可以认为...

国外精读！title（27）：Wedon’tneednobounding-boxes: Trainingobjectclassdetectorsusingonlyhumanverification（我们不需要任何边界框：只使用人工验证来训练对象类别检测器）---20170424这篇文章主要设计了一个框架，输入...

国内泛读！title（26）：WeaklySupervisedObjectLocalizationUsingThingsandStuffTransfer（利用已知物体和物质信息迁移的弱监督物体检测算法）---CVPR2017本论文与爱丁堡大学合作完成。本论文关注弱监督的物体检测问题并利用已知物体（可数）和物质（不可数）...

国外暂时泛读！title（24）：WeaklySupervisedLearningwithDeepConvolutional NeuralNetworksforSemanticSegmentation：Understandingsemanticlayoutofimageswithminimumhumansup...

本文是针对视频中行为者的行为进行弱监督标注信息的分割，和广义的图像语义分割不同，暂放。国外泛读！title（19）：WeaklySupervisedSemanticSegmentationusingWeb-CrawledVideos（使用Web抓取的视频进行弱监督语义分割）---CVPR2017本文的核心思想是利用弱监...

国外精读！title（17）：Exploitingsaliencyforobjectsegmentationfromimagelevellabels（利用图像级签的显著性进行目标分割）---CVPR2017abstract：近年来语义标注任务有了显着的改进。然而，最先进的方法依赖于大规模的像素级注释。本文研究了从当前对...

国内暂时泛读！title（13）：基于纹元森林和显著性先验的弱监督图像语义分割方法---20171228摘要：弱监督语义分割任务常利用训练集中全体图像的超像素及其相似度建立图模型，使用图像级别标记的监督关系进行约束求解。全局建模缺少单幅图像结构信息，同时此类参数方法受到复杂度限制，无法使用大规模的弱监督训练数据。针对以...

国外暂时略读！title（12）：BoxSup:ExploitingBoundingBoxestoSuperviseConvolutionalNetworksforSemanticSegmentation（BoxSup：利用边界框监督卷积网络进行语义分割）---20150518abstract：最近领先的语义分割方法依...