卷积神经网络中的数值坐标回归

Jan, 2018

Numerical Coordinate Regression with Convolutional Neural Networks

Aiden Nibali, Zhen He, Stuart Morgan, Luke Prendergast

TL;DR本研究旨在通过不同 iable 的空间到数值变换（DSNT）方法来填补热力图匹配和完全连接输出层回归方法的不足，该方法在姿态估计方面具有更好的预测准确性。

Abstract

We study deep learning approaches to inferring numerical coordinates for points of interest in an input image. Existing convolutional neural network-based solutions to this problem either take a heatmap matching approach or regress to coordinates with a fully connected output layer. Ne

deep learning coordinate inference convolutional neural networks dsnt pose estimation

发现论文，激发创造

卷积神经网络实现端到端无监督可变形图像配准

本文提出了一种卷积神经网络的深度学习应用，利用无监督优化相似度指标完成非迭代式的图像配准，具备传统配准方法一样高的精度，且实现时间大幅度缩短。

Apr, 2017

学习空间感知回归用于视觉跟踪

本文基于深度特征，提出了两种补充回归方法用于鲁棒视觉跟踪，包括核化岭回归和全卷积神经网络，最终将这两种方法的输出结合起来提高跟踪结果的准确率。

Jun, 2017

基于距离变换回归的空间感知深层语义分割

通过在标签掩码上计算距离变换，训练一个全卷积神经网络来同时学习分类和距离回归，可以有效地应用于视觉场景中的语义分割并有效解决边界模糊和分割失真的问题。

Sep, 2019

基于热图回归 CNN 的空间配置集成用于地标定位

本研究中，我们提出了一种卷积神经网络（CNN）结构，通过学习将解剖学标志物定位任务分解为两个更简单的子问题，企图减少大型训练数据集的需求。我们的完全卷积空间配置网络（SpatialConfiguration-Net，SCN）专门将一个组件分配给局部精确但模棱两可的候选预测，而另一个组件通过包括标志物的空间位置信息来提高对歧义的鲁棒性。在实验评估中，我们展示了提出的 SCN 在受限大小数据集上在标志物定位误差方面优于相关方法。

Aug, 2019

卷积神经网络的惊人失败及其 CoordConv 解决方案

本篇论文通过坐标转换问题展示了卷积神经网络的局限性，提出了 CoordConv 解决方案，它通过在卷积中引入额外的坐标通道，为神经网络提供了输入坐标的信息，从而可以学习任意程度的平移不变性和变化的空间表示。CoordConv 具有比卷积更高效的计算速度和更少的参数，可以有效提高模型的性能。

Jul, 2018

D2NT: 高性能深度到法向翻译器

本文提出了一种超级快速的深度到法向量转换器 (D2NT)，一个自适应梯度卷积核的不连续性感知梯度 (DAG) 滤波器以及一个能够集成到任何深度到法向量 SNE 中的表面法向量细化模块，该算法在效率和准确性之间实现了最佳权衡。

Apr, 2023

空间变换网络

引入一种新的可学习模块 ——Spatial Transformer，能够在现有的卷积网络结构中显式地允许对数据进行空间操作，从而使得模型得以学习对于平移、缩放、旋转以及基于更一般的扭曲变换的不变性，其模型表现在多个基准测试数据集上达到了最先进的水平。

Jun, 2015

深度图像空间变形用于人物图像生成

本文提出一种不同于传统 CNN 的可微分全局流本地注意力框架来进行姿势引导的人体图像生成，该模型通过预测流场来进行全局相应，通过提取特征图中的局部补丁对局部注意力系数进行计算来生成新的人体图像，实验结果表明该方法优于传统方法，同时也适用于其他要求空间变换的任务。

Mar, 2020

基于等变卷积的多向流动地球神经网络

本文提出一种新的方法，可以在曲面上执行信号卷积，并展示其在各种几何深度学习应用中的效用。关键在于基于曲面定义的方向性函数，可以自然地与真实值模板函数进行卷积，并在神经网络的不同层之间保留所有旋转的信息，从而允许传播和关联定向信息。

Oct, 2018

深度描述符转换用于图像共定位

本文提出了一种名为 Deep Descriptor Transforming (DDT) 的方法，通过对前馈模型的卷积层输出进行研究，实现对共同物体的定位，从而提升图像共定位问题的效率和精度。实验结果表明，近期方法 DTT 相较于其他同类方法，有更高的鲁棒性和泛化能力。

May, 2017