计算机视觉杂志

还在国庆节假日，Amusi 尽量推送一些以阅读为主的文章。至于"实战"上手内容，还是等国庆黄金周结束后，再推送。

程序员平时压力就很大，放松一下，和家人很朋友多聚聚，享受生活，放松一下紧绷的身体和情绪。

在介绍重头戏之前，Amusi先介绍一个平台：RSIP Vision

RSIP Vision为最广泛的活动领域提供计算机视觉和图像处理咨询和算法：从精准农业到医学应用（心脏病学，肺病学，眼科学等）; 从显微镜图像分析到OCR，半导体，分类和各种机器学习项目。我们的工程师是人工智能，深度学习和所有最先进的计算机视觉技术方面的专家。

RSIP Vision 还发布了计算机视觉杂志，这是算法社区的在线杂志。

英文主题称为Computer Vision News，Amusi采用直接的方式翻译成计算机视觉杂志（本来想翻译成新闻的，因为吸睛度更高，但觉得不合理）。

Amusi 大概在5月份就发现了这个很cool的资源，但由于排版、翻译太耗时间，于是就一直搁着。现在换了个想法，只需要简单介绍一下内容，应该就可以了。快速阅读的时代，最重要的是质量，然而"快"也很重要。

另一方面，英文原文我都会附上，研究CV的，不看英文的，真的很难深入了。很多公众号会进行翻译，推出译文，这都是好事，但作为阅读者，要不要再去看英文版，心里要有点数。

话不多说，下面介绍计算机视觉杂志 | 10月刊的亮点

DeepLab v3

DeepLabV3 是一种用于语义分割（Semantic Segmentation）的深度学习算法。

具有以下功能的细分：

（1）Atrous卷积允许控制特征响应的分辨率网络中的不同层。

（2）Atrous空间金字塔池（ASPP）以多尺度和采样率稳健地分割对象。

（3）ASPP模块增加了图像级功能和批量标准化（Batch Normalization）。

（4）使用深度可分离卷积来恢复对象边界的解码器模块。

Atrous Spatial Pyramid Pooling (ASPP)

深度可分离卷积

DeepLab v1、v2、v3和v3

到目前为止，DeepLab已经发布了四个版本：1,2,3和3 。下面是详细的每个版本的主要创新：

1. DeepLabV1：使用atrous卷积显式控制在深度卷积神经网络中计算特征响应的分辨率。

2. DeepLabV2：在多个采样率和有效视场中使用过滤器，该方法被称为atrous空间金字塔池（ASPP）。

3. DeepLabV3：使用图像级功能增强ASPP模块以捕获更长范围的信息，并添加批量标准化（Batch Normalization）。

4. DeepLabV3 ：扩展DeepLabV3以包括一个简单但有效的编码器 - 解码器模块，以细化特别是沿对象边界的分割结果。

22页 ECCV 2018和MICCAI 2018论文介绍

授之以鱼，不如授之以渔

因为原英文较长，且涉及论文介绍，Amusi觉得阅读英文起来会方便很多。翻译成中文，实在麻烦且无意义。

这里给出精彩的目录，大家感兴趣，可以根据文章末尾的提示进行下载。

注：原英文月刊（共计60页）里面介绍的很详细，本文仅选择性介绍，实属不完美，请见谅。

https://www.rsipvision.com/ComputerVisionNews-2018October/4/

0 人点赞