【今日CV 计算机视觉论文速览 第122期】Fri, 31 May 2019

今日CS.CV 计算机视觉论文速览
Fri, 31 May 2019
Totally 50 papers
👉上期速览✈更多精彩请移步主页

Interesting:

📚基于条件GANs的图像去水印方法,加强了条件L1损失和感知损害，做为对抗训练损失来给出了更为真实的图像。 (from 中山大学)

改造的损失函数：

📚iSAID大规模的航空图像实例分割数据集, 包含了655451个实例标注，15个类别(from Inception Institute of Artificial Intelligence, UAE)
语义分割ss和实例分割is：

一些数据样例：

相关数据集：

ref:PANet++，Path aggregation network for instance segmentation. 用于实例分割

📚RoNIN,神经惯性里程计的基准数据集，包含了超过40h的IMU数据，收集于100我的类的正式三维轨迹数据，基于新型神经惯性导航架构来改进位姿估计，定量定性的评测了相关方法。(from 华盛顿大学St. Louis)

用于估计轨迹的模型：

项目网站：http://ronin.cs.sfu.ca/

📚Gaze-in-wild, 大规模数据集研究平常生活中人眼和头部的位置坐标。(from Center for Imaging Science, RIT )

📚利用胃内窥镜视频，基于sfm的胃部三维重建, (from 东京技术大学)

ref：http://www.ok.sc.e.titech.ac.jp/res/Stomach3D/

📚一种内存高效、快速实现的局域自适应二值化方法, (from 中山大学)
算法的一些实现：

和一些方法的比较：

ref： Sauvola’s method

📚基于wasserstein的风格迁移, 研究人员利用高斯优化输运过程用于编码器解码器的图像风格迁移。基于高斯测度的优化输运能够将原分布映射到目标分布，同时也能够在内容和风格图像间进行差值，并进行多种风格混合。因为高斯在wasserstein质心下有闭合形式使得迁移和差值成为可能。(from IBM research)
迁移器的形式：

两种风格间的差值：

内容图像在四种风格下的wasserstein重心插值：

📚基于量子计算机D-WAVE2X进行图像分类, (from Los Alamos National Laboratory)

📚2D3D目标分类的检测的汇总, 这篇论述详细的总结了2d向3d扩展视觉任务所面临的困难，包括数据表示、计算资源消耗、不一样的分布状况、数据较为稀疏标记缺少等。并总结了基于二维图像和三维信息的视觉识别系统。文章综述了不一样系统、数据集和方法。(from 纽约大学研究生中心)

📚FashionID Dataset 基于次要信息和天然语言反馈的时尚图像检索, 数据集中包含了属性标签和相关的图像标题，能够用于构建天然语言反馈(from IBM research AI)

📚基于U-Net的医学图像分割模型, 充分利用了多尺度和先验信息(from DeepMind)

一些结果：


三维医学图像分割比赛：http://brainiac2.mit.edu/SNEMI3D/
几率Unet ref:A Probabilistic U-Net for Segmentation of Ambiguous Images，link

📚一种基于迁移学习的小样本缺陷检测方法, (from 滑铁卢大学)

一些结果，来自混泥土裂纹数据集Concrete crack：

---

Daily Computer Vision Papers

On Network Design Spaces for Visual Recognition Authors Ilija Radosavovic, Justin Johnson, Saining Xie, Wan Yen Lo, Piotr Doll r 在过去几年中，设计用于视觉识别的更好的神经网络架构的进展是巨大的。为了帮助维持这一进展速度，咱们建议在这项工做中从新审视比较网络架构的方法。特别地，咱们引入了一种新的分布估计比较范例，其中经过将统计技术应用于采样模型的群体来比较网络设计空间，同时控制网络复杂性等混杂因素。与目前比较模型族的点和曲线估计的方法相比，分布估计能够更全面地描绘整个设计格局。做为案例研究，咱们研究了神经架构搜索NAS中使用的设计空间。咱们发现最近的NAS设计空间变体之间存在显着的统计差别，而这些差别在很大程此外，咱们的分析代表，像ResNeXt这样的标准模型系列的设计空间能够与最近NAS工做中使用的更复杂的设计空间相媲美。咱们但愿这些对分布分析的看法可以在发现更好的视觉识别网络方面取得更大的进展。

AssembleNet: Searching for Multi-Stream Neural Connectivity in Video Architectures Authors Michael S. Ryoo, AJ Piergiovanni, Mingxing Tan, Anelia Angelova 学习表示视频在算法和计算上都是一项很是具备挑战性的任务。标准视频CNN架构的设计是经过使用有限数量的空间时间模块（如3D卷积）直接将用于图像理解的架构扩展到第三维，或者经过引入手工制做的两个流设计来捕获视频中的外观和运动。咱们将视频CNN解释为彼此链接的多流时空卷积块的集合，并提出了自动寻找具备更好链接性的视觉理解的神经架构的方法。这是经过改进由链接权重学习引导的过分链接的体系结构来完成的。搜索组合抽象不一样输入类型的表示的结构，即，以多个时间分辨率的RGB和光流，搜索容许不一样类型或信息源彼此交互。咱们的方法（称为AssembleNet）优于公共视频数据集的先前方法，在某些状况下大幅提高。

An attention-based multi-resolution model for prostate whole slide imageclassification and localization Authors Jiayun Li, Wenyuan Li, Arkadiusz Gertych, Beatrice S. Knudsen, William Speier, Corey W. Arnold 组织学评论一般被用做疾病诊断的金标准。计算机辅助诊断工具能够经过减小检查时间和观察者之间的可变性来帮助改善当前的病理学工做流程。之前在癌症分级方面的工做主要集中在对预约义的感兴趣区域ROI进行分类，或依赖于大量细粒度标签。在本文中，咱们提出了一个基于两阶段注意的多实例学习模型，用于幻灯片水平癌症分级和弱监督ROI检测，并证实其在前列腺癌中的应用。与现有的Gleason分类模型相比，咱们的模型更进一步，利用可视化显着性图来选择信息化的瓷砖进行细粒度等级分类。该模型主要是在大规模的整个幻灯片数据集上开发的，该数据集由3,521个前列腺活检切片组成，仅有718名患者的载玻片水平标签。该模型实现了前列腺癌分级的最早进性能，精确度为85.11，用于分类良性，低级Gleason 3级或3级，以及高级Gleason 4级3级或更高级别的滑动在独立测试组上。

The Art of Food: Meal Image Synthesis from Ingredients Authors Fangda Han, Ricardo Guerrero, Vladimir Pavlovic 在这项工做中，咱们提出了一个基于生成深度模型的新计算框架，用于从其成分的文本描述中合成照片真实食物餐图像。之前关于从文本合成图像的工做一般依赖于预先训练的文本模型来提取文本特征，接着是生成神经网络GAN，旨在生成以文本特征为条件的逼真图像。这些做品主要集中在产生空间紧凑和明肯定义的物体类别，如鸟类或花卉。相比之下，膳食图像明显更复杂，由多种成分组成，其外观和空间质量经过烹饪方法进一步改变。咱们提出了一种方法，首先创建基于注意力的成分图像关联模型，而后用于调节负责合成膳食图像的生成神经网络。此外，添加循环一致约束以进一步改善图像质量和控制外观。大量实验代表，咱们的模型可以生成与成分相对应的膳食图像，可用于增长现有数据集以解决其余计算食品分析问题。

Moving Target Defense for Deep Visual Sensing against Adversarial Examples Authors Qun Song, Zhenyu Yan, Rui Tan 基于深度学习的视觉传感已经得到了极具吸引力的准确性，可是很容易受到对抗性示例攻击。具体来讲，一旦攻击者得到深度模型，他们就能够构建对抗性示例来误导模型以产生错误的分类结果。可展开的对抗性示例，例如粘贴在道路标志和车道上的小贴纸，已经被证实能够有效地误导高级驾驶员辅助系统。针对对抗性示例的许多现有对策构建了对攻击者无视防护机制的安全性。所以，他们没有遵循Kerckhoffs的原则，而且一旦攻击者知道防护的细节就能够被颠覆。本文采用移动目标防护MTD策略，在系统部署后生成多个新的深度模型，协同检测和阻止对抗实例。咱们的MTD设计基于对抗性示例，对模型的可转移性不一样，例如，用于攻击构造的工厂设计模型。部署后的准秘密深度模型显着增长了攻击者构建有效对抗示例的门槛。咱们还应用串行数据融合技术和早期中止技术，将推理时间缩短了5倍，同时保持了传感和防护性能。基于三个数据集的普遍评估，包括道路标志图像数据库和配备GPU的Jetson嵌入式计算板，显示了咱们的方法的有效性。

Anomaly Detection in Images Authors Manpreet Singh Minhas, John Zelek 视觉缺陷评估是一种异常检测。这与在路面和汽车零件等各类表面检测任务中发现诸如裂缝和标记等缺陷很是相关。该任务涉及检测异常样本与正常样本的误差分歧。监督异常检测的两个主要挑战是缺少标记的训练数据和异常实例的低可用性。半监督方法，其学习正常样本的基础分布，而后测量偏离误差与估计模型，由于异常分数在其检测异常的整体能力方面具备局限性。本文提出了基于网络的卷积神经网络CNNs深度传递学习在异常检测中的应用。单类SVM在过去已经成功使用，可是咱们假设单类分类的更深层网络应该表现更好。在已创建的异常检测基准以及现实世界数据集上得到的结果代表，经过在测试数据的接收器操做特征曲线值0.99下实现惊人的平均面积，所提出的方法明显优于现有技术方法。 CIFAR10的平均改进为41，MNIST为20，水泥裂缝数据为16。

Gaze-in-wild: A dataset for studying eye and head coordination in everyday activities Authors Rakshit Kothari, Zhizhuo Yang, Christopher Kanan, Reynold Bailey, Jeff Pelz, Gabriel Diaz 前庭和眼睛系统之间的相互做用主要在受控环境中进行研究。所以，用于分类凝视事件的现成工具，例如，当容许头部运动时，注意力，追求，扫视失败。咱们的方法是在佩戴配备惯性测量单元和3D立体相机的移动眼动仪时，在受试者执行平常任务时收集眼睛头部运动的新颖，天然和多模态数据集。该野外数据集GW中的凝视包括眼头旋转速度deg，红外眼睛图像和场景图像RGB D.编码器将一部分标记为凝视运动事件，其中基于0.72样本的Cohen s kappa相互协商。该标记数据用于训练和评估两种机器学习算法，随机森林和回归神经网络模型，用于凝视事件分类。评估涉及应用既定的和新颖的基于事件的绩效指标。分类器在检测固定和扫视时达到了人类的性能，但在检测追踪运动方面达不到60。并且，在没有头部运动信息的状况下，追求分类更加糟糕。在咱们的最佳表现模型中对特征显着性的后续分析揭示了对绝对眼睛和头部速度的依赖，代表分类不须要头部和眼睛跟踪坐标系统的空间对准。 GW数据集，训练有素的分类器和评估指标将公开提供，旨在促进头部自由凝视事件分类的新兴领域的增加。

Prostate Cancer Detection using Deep Convolutional Neural Networks Authors Sunghwan Yoo, Isha Gujrathi, Masoom A. Haider, Farzad Khalvati 前列腺癌是最多见的癌症形式之一，也是北美癌症死亡的第三大缘由。做为计算机辅助检测CAD工具的一个组成部分，扩散加权磁共振成像DWI已被深刻研究，以准确检测前列腺癌。利用深度卷积神经网络，CNN在计算机视觉任务（例如物体检测和分割）方面取得了重大成功，不一样的CNN架构在医学成像研究界愈来愈多地被研究做为设计更准确的癌症检测CAD工具的有但愿的解决方案。在这项工做中，咱们开发并实施了基于CNN的自动化管道，用于检测临床上显着的前列腺癌PCa，用于给定的轴向DWI图像和每位患者。将427名患者的DWI图像用做数据集，其中包含175名PCa患者和252名健康患者。为了测量所提出的管道的性能，预留了427名患者中的108名测试装置，而且未在训练阶段使用。所提出的管道在切片水平和患者水平下的接收器操做特征曲线AUC分别达到0.87 95置信区间CI 0.84 0.90和0.84 95 CI 0.76 0.91。

Semantics-Aligned Representation Learning for Person Re-identification Authors Xin Jin, Cuiling Lan, Wenjun Zeng, Guoqiang Wei, Zhibo Chen 人物识别reID旨在匹配人物图像以检索具备相同身份的人物图像。这是一项具备挑战性的任务，由于要匹配的图像一般在语义上不对齐，由于人体姿式和捕获视点的多样性，因为遮挡等缘由致使的可见体的不完整性等。在本文中，咱们提出了一个驱动reID的框架。网络经过精细的监督设计学习语义对齐的特征表示。具体来讲，咱们构建了一个语义对齐网络SAN，它包括一个基本网络做为编码器SA Enc用于从新ID，以及一个解码器SA Dec用于重建回归密集语义对齐的全纹理图像。咱们在人员识别和对齐纹理生成的监督下共同训练SAN。此外，在解码器处，除了重建损失以外，咱们在特征图上添加三元组reID约束损失做为感知损失。在推理测试中丢弃解码器，所以咱们的方案在计算上是有效的。消融研究证实了咱们设计的有效性。咱们在基准数据集CUHK03，Market1501，MSMT17和部分人reID数据集Partial REID上实现了最早进的性能。

A Deep Framework for Bone Age Assessment based on Finger Joint Localization Authors Xiaoman Zhang, Ziyuan Zhao, Cen Chen, Songyou Peng, Min Wu, Zhongyao Cheng, Singee Teo, Le Zhang, Zeng Zeng 骨龄评估是衡量骨骼儿童成熟度和生长障碍诊断的重要临床试验。诸如Tanner Whitehouse TW和Greulich和Pyle GP之类的传统方法因为它们的大观察者和观察者内部变化而可能表现不佳。在本文中，咱们提出了一种手指关节定位策略来过滤掉图像中大多数非信息部分。当与传统的基于全图像的深度网络结合时，咱们观察到了大大改进的性能。咱们的方法利用全手和特定关节图像进行骨骼成熟度预测。在这项研究中，咱们应用强大的深度神经网络，并探索了骨骼年龄预测的过程与特定的联合关节图像，以提升与整个手部图像相比的性能准确性。

A Hierarchical Probabilistic U-Net for Modeling Multi-Scale Ambiguities Authors Simon A. A. Kohl, Bernardino Romera Paredes, Klaus H. Maier Hein, Danilo Jimenez Rezende, S. M. Ali Eslami, Pushmeet Kohli, Andrew Zisserman, Olaf Ronneberger 医学成像仅间接测量每一个体素内组织的分子身份，这一般仅产生目标感兴趣测量的模糊图像证据，如语义分割。这种多样性和似是而非的解释的变化一般特定于给定的图像区域，而且所以能够在从像素到图像级别的全部路径上的各类尺度上表现出来。为了学习能够解释多种变化尺度的灵活分布，咱们提出了分层几率U Net，一种带有条件变分自动编码器cVAE的分割网络，它使用分层潜在空间分解。咱们证实了这种模型公式可以对高保真度的分段进行采样和重建，即具备精细分辨的细节，同时提供了跨尺度学习复杂结构分布的灵活性。咱们在分割模糊医学扫描以及神经生物学和天然图像的实例分割的任务上展现了这些能力。咱们的模型自动地将不一样尺度的独立因素分开，这是咱们认为在分割以外的结构化输出预测任务中有益的概括误差。

Robust Sparse Regularization: Simultaneously Optimizing Neural Network Robustness and Compactness Authors Adnan Siraj Rakin, Zhezhi He, Li Yang, Yanzhi Wang, Liqiang Wang, Deliang Fan 已知经过梯度降低法训练的深度神经网络DNN易受恶意扰动的对抗性输入，也就是说。对抗性攻击。做为抵御对抗性攻击的对策之一，提出了增长DNN鲁棒性加强的模型容量，而且做为近期许多工做的有效方法进行了报告。在这项工做中，咱们代表经过适当的重量修剪缩小模型大小甚至能够有助于提升对抗性攻击下的DNN稳健性。为了得到同时稳健和紧凑的DNN模型，咱们提出了一种称为鲁棒稀疏正则化RSR的多目标训练方法，经过各类正则化技术的融合，包括通道噪声注入，套索权重惩罚和对抗训练。咱们在流行的ResNet 20，ResNet 18和VGG 16 DNN架构上进行了大量实验，以证实RSR对流行白盒的有效性，即PGD和FGSM以及黑盒攻击。得益于RSR，与其PGD对抗性训练基线相比，能够修剪ResNet 18的85个重量链接，同时在CIFAR 10数据集上分别实现干净和扰动数据准确度的0.68和8.72改善。

Align-and-Attend Network for Globally and Locally Coherent Video Inpainting Authors Sanghyun Woo, Dahun Kim, KwanYong Park, Joon Young Lee, In So Kweon 咱们提出了一种用于视频修复的新型前馈网络。咱们使用一组采样视频帧做为参考，以获取可见内容以填充目标帧的孔。咱们的视频修复网络包括两个阶段。第一阶段是对齐模块，其使用参考帧和目标帧之间的计算的单应性。而后基于帧类似性汇集可见补丁以粗略地填充目标孔。第二阶段是非本地关注模块，其将生成的补丁与空间和时间中的已知参考补丁相匹配，以细化先前的全局对齐阶段。两个阶段都包括用于参考的大空间时间窗口大小，所以可以建模远程信息和孔区域之间的长程相关性。所以，甚至能够处理具备大的或缓慢移动的孔的具备挑战性的场景，这些场景几乎不能经过现有的基于流的方法建模。咱们的网络还设计有循环传播流，以鼓励视频结果的时间一致性。视频对象去除的实验代表，咱们的方法使用全局和局部相干内容来绘制漏洞。

Recognition in Unseen Domains: Domain Generalization via Universal Non-volume Preserving Models Authors Thanh Dat Truong, Chi Nhan Duong, Khoa Luu, Minh Triet Tran 跨领域的承认最近成为研究界的一个活跃话题。然而，在新的看不见的领域中，它的识别问题在很大程度上被忽视了。在这种状况下，交付的深层网络模型没法更新，调整或微调。所以，不能应用最近的深度学习技术，例如域自适应，特征传递和微调。本文提出了一种在深度学习背景下解决领域归纳问题的新方法。所提出的方法在各类问题的不一样数据集上进行评估，即，对MNIST，SVHN和MNIST M进行数字识别，ii对扩展耶鲁B，CMU PIE和CMU MPIE进行面部识别，以及iii对RGB和热图像数据集进行行人识别。实验结果代表，咱们提出的方法不断提升性能的准确性。它还能够轻松地与端到端深度网络设计中的任何其余CNN框架结合，用于对象检测和识别问题，以改善其性能。

Memory-efficient and fast implementation of local adaptive binarization methods Authors Chungkwong Chan 二值化被普遍用做图像预处理步骤，以在识别以前将对象尤为是文本与背景分离。对于具备不均匀照明的噪声图像，应逐像素地计算阈值以得到良好的分割。因为局部阈值一般取决于基于矩的统计量，例如矩形窗口内的灰度级的均值和方差，所以一般使用积分图像来加速计算。可是，积分图像是消耗内存的。对于Sauvola方法，给定H倍W输入图像，两个积分图像占据16HW字节。经过使用递归技术来避免积分图像，中间数据结构的存储器使用能够显着减小到6分钟H，W字节，而时间复杂度保持为O HW而与窗口大小无关。所以，所提出的实现使得各类局部自适应二值化方法可以在具备有限资源的设备上的实时使用状况中应用。

3D Reconstruction of Whole Stomach from Endoscope Video Using Structure-from-Motion Authors Aji Resindra Widya, Yusuke Monno, Kosuke Imahori, Masatoshi Okutomi, Sho Suzuki, Takuji Gotoda, Kenji Miki 胃内窥镜检查是一种常见的临床实践，使医生可以诊断体内的胃。为了识别胃病变位置，例如胃内的早期胃癌，该工做旨在利用从标准单眼内窥镜视频产生的颜色纹理信息重建整个胃的3D形状。之前的工做已经尝试从内窥镜图像重建各类器官的3D结构。然而，它们主要集中在部分表面上。在这项工做中，咱们研究了如何从运动SfM启用结构，以从标准内窥镜视频重建胃的整个形状。咱们专门研究了染色内窥镜检查和颜色通道选择对SfM的综合影响。咱们的研究发现，经过使用染色内窥镜下捕获的红色通道图像，经过在胃表面上散布靛蓝胭脂红IC染料，能够实现全胃的3D重建。

Interactive-predictive neural multimodal systems Authors lvaro Peris, Francisco Casacuberta 尽管神经模型在序列学习中取得了进步，但在各类任务中被利用，它们仍然会产生错误。在许多使用案例中，这些都是由后期修订过程当中的人类专家纠正的。交互式预测框架旨在经过考虑用于迭代地改进假设的部分校订来最小化在该过程上花费的人力。在这项工做中，咱们归纳了一般应用于机器翻译领域的交互式预测方法，以解决其余多模式问题，即图像和视频字幕。咱们研究了该框架在多模态神经序列中对序列模型的应用。咱们代表，遵循这个框架，咱们大约将用于纠正自动系统生成的输出的工做减半。此外，咱们将系统部署在可公开访问的演示中，以便更好地理解交互式预测框架的行为。

Learning Semantics-aware Distance Map with Semantics Layering Network for Amodal Instance Segmentation Authors Ziheng Zhang, Anpei Chen, Ling Xie, Jingyi Yu, Shenghua Gao 在这项工做中，咱们演示了另外一种解决模块分割问题的方法。具体来讲，咱们首先引入一个新的表示，即语义感知距离图sem dist map，做为咱们的氨基分割目标，而不是经常使用的掩模和热图。 sem dist map是一种水平集表示，其中对象的不一样区域根据其可见性被放置在地图上的不一样级别中。它是掩模和热图的天然延伸，其中模态，模式分割以及深度顺序信息都被很好地描述。而后，咱们还介绍了一种新颖的卷积神经网络CNN架构，咱们将其称为语义分层网络，从图像中的全部对象逐层估计sem dist map，从全局级到实例级。关于COCOA和D2SA数据集的大量实验已经证实，咱们的框架可使用最早进的性能预测结构分割，遮挡和深度顺序。

Does computer vision matter for action? Authors Brady Zhou, Philipp Kr henb hl, Vladlen Koltun 计算机视觉产生场景内容的表示。许多计算机视觉研究都是基于这些中间表示对行动有用的假设。最近在机器学习和机器人技术的交叉点上的工做经过直接针对手头的任务（从像素到动做）训练感受运动系统而使这个假设成为问题，没有明确的中间表示。所以，咱们工做的核心问题计算机视觉是否对行动起重要做用咱们经过沉浸式模拟探索这个问题及其分支，这使咱们可以进行大规模的可控制的可重复实验。咱们采用沉浸式三维环境来模拟城市驾驶，越野越野行走和战斗等挑战。咱们的主要发现是计算机视觉确实重要。配备中间表示的模型训练更快，实现更高的任务性能，并更好地归纳到之前看不见的环境。能够在如下位置找到总结工做并说明结果的视频

iSAID: A Large-scale Dataset for Instance Segmentation in Aerial Images Authors Syed Waqas Zamir, Aditya Arora, Akshita Gupta, Salman Khan, Guolei Sun, Fahad Shahbaz Khan, Fan Zhu, Ling Shao, Gui Song Xia, Xiang Bai 现有的Earth Vision数据集适用于语义分割或对象检测。在这项工做中，咱们引入了第一个基准数据集，用于航拍图像中的实例分割，它结合了实例级对象检测和像素级分割任务。与天然场景中的实例分割相比，航空图像呈现独特的挑战，例如，每一个图像的大量实例，大的物体尺度变化和丰富的微小物体。咱们在航空图像数据集中进行大规模且密集注释的实例分割iSAID在2,806个高分辨率图像中为15个类别提供655,451个对象实例。每一个实例的这种精确的每像素注释确保了精确的定位，这对于详细的场景分析是必不可少的。与现有的基于小规模航空图像的实例分割数据集相比，iSAID包含对象类别数量的15倍和实例数量的5倍。咱们使用两种流行的天然图像实例分割方法对数据集进行基准测试，即Mask R CNN和PANet。在咱们的实验中，咱们展现了在航拍图像上直接应用现成的Mask R CNN和PANet提供了次优的实例分割结果，所以须要来自研究界的专门解决方案。

P3SGD: Patient Privacy Preserving SGD for Regularizing Deep CNNs in Pathological Image Classification Authors Bingzhe Wu, Shiwan Zhao, Guangyu Sun, Xiaolu Zhang, Zhong Su, Caihong Zeng, Zhihong Liu 最近，深度卷积神经网络CNN在病理图像分类方面取得了巨大成功。然而，因为标记的病理图像的数量有限，仍然存在两个须要解决的挑战1过分拟合CNN模型的性能因为其大量参数和标记的训练数据的不足而被过分拟合破坏。使用传统方法训练的模型的隐私泄漏能够不自觉地揭示训练数据集中患者的私人信息。数据集越小，隐私泄漏越严重。为了解决上述两个挑战，咱们引入了一种新的随机梯度降低SGD方案，命名为患者隐私保护SGD P3SGD，其经过基于每一个患者数据创建的大步骤更新来执行患者级别中SGD的模型更新。具体来讲，为了保护隐私并规范CNN模型，咱们建议将精心设计的噪声注入更新中。此外，咱们为P3SGD配备了精确的策略，以自适应地控制注入噪声的规模。为了验证P3SGD的有效性，咱们对现实世界的临床数据集进行了大量实验，并定量证实了P3SGD在下降过分拟合风险方面的卓越能力。咱们还对差别隐私下的隐私成本进行了严格的分析。此外，咱们发现使用P3SGD训练的模型与使用非私人SGD训练的模型相比，可以抵抗模型反转攻击。

A Trainable Multiplication Layer for Auto-correlation and Co-occurrence Extraction Authors Hideaki Hayashi, Seiichi Uchida 在本文中，咱们为神经网络提出了一个可训练的乘法层TML，可用于计算输入特征之间的乘法。将图像做为输入，TML将每一个像素值提高到权重的幂，而后将它们相乘，从而从输入图像中提取更高阶的局部自相关。 TML还可用于从卷积网络的特征映射中提取共现。 TML的训练是基于对权重的约束的反向传播而制定的，使咱们可以以端到端的方式学习判别性乘法模式。在实验中，经过可视化学习的内核和相应的输出特征来研究TML的特征。还使用公共数据集评估TML对分类和神经网络解释的适用性。

Hierarchical Structure and Joint Training for Large Scale Semi-supervised Object Detection Authors Ye Guo, Yali Li, Shengjin Wang 通用对象检测是计算机视觉中最基本和最重要的问题之一。当涉及到数千个类别的大规模对象检测时，为每一个类别提供全部边界框标签是不切实际的。在本文中，咱们提出了一种新的大规模半监督对象检测的层次结构和联合训练框架。首先，咱们利用目标类别之间的关系来创建分层网络，以进一步提升识别的性能。其次，将边界框级标记图像和图像级标记图像结合起来进行联合训练，该方法能够很容易地应用于当前的两阶段目标检测框架中，具备良好的性能。实验结果代表，所提出的大规模半监督目标检测网络在ImageNet检测验证数据集上得到了最新的性能，mAP为38.1。

RoNIN: Robust Neural Inertial Navigation in the Wild: Benchmark, Evaluations, and New Methods Authors Hang Yan, Sachini Herath, Yasutaka Furukawa 本文为数据驱动的惯性导航研究奠基了新的基础，其任务是从一系列IMU传感器测量中估计移动主体的位置和方向。更具体地说，本文提出了一个新的基准，其包含来自100我的类受试者的超过40小时的IMU传感器数据，其具备在天然人体运动下的地面真实3D轨迹2个新颖的神经惯性导航架构，对具备挑战性的运动案例和3个定性和三种惯性导航基准的竞争方法的定量评估。咱们将分享代码和数据，以促进进一步的研究。

Towards Photo-Realistic Visible Watermark Removal with Conditional Generative Adversarial Networks Authors Xiang Li, Chan Lu, Danni Cheng, Wei Hong Li, Mei Cao, Bo Liu, Jiechao Ma, Wei Shi Zheng 可见水印在图像版权保护中起着重要做用，而且可见水印对攻击的鲁棒性是必不可少的。为了评估和提升水印的有效性，水印去除吸引了愈来愈多的关注，成为一个热门的研究热点。当前的方法将水印去除做为图像转换到图像转换问题，其中采用具备像素方式损失的编码解码体系结构来将透明水印像素转移到未标记的像素中。然而，当呈现多个逼真图像时，水印更多是未知的和多样的，即，水印多是不透明的或半透明的，水印的类别和图案是未知的。当将现有方法应用于现实世界场景时，它们大多不能使人满意地重建在复杂和各类水印下模糊的隐藏信息，即残留的水印痕迹保留而且重建的图像缺少现实。为了解决这个难题，在本文中，咱们提出了一个新的水印处理框架，使用条件生成对抗网络cGANs在现实世界的应用程序中去除可见水印。所提出的方法使得水印去除解决方案可以使用基于水印图像的基于补片的鉴别器更加接近于照片真实重建，其通过对数训练以区分恢复图像和原始无水印图像之间的差别。在大规模可见水印数据集上的普遍实验结果证实了所提方法的有效性，并清楚地代表，与现有技术方法相比，咱们提出的方法能够产生更多的照片真实和使人信服的结果。

Unsupervised Classification of Street Architectures Based on InfoGAN Authors Ning Wang, Xianhan Zeng, Renjie Xie, Zefei Gao, Yi Zheng, Ziran Liao, Junyan Yang, Qiao Wang 街道建筑在城市形象和街景分析中发挥着重要做用。然而，现有方法都受到监督，这须要昂贵的标记数据。为了解决这个问题，咱们提出了一种基于信息最大化生成对抗网InfoGAN的街道建筑无监督分类框架，其中咱们利用InfoGAN的辅助分布Q做为无监督分类器。中国南京真实街景图像数据库的实验验证了咱们框架的实用性和准确性。此外，咱们从隐藏在真实图像中的内在信息中得出一系列启发式结论。这些结论将有助于规划人员更好地了解建筑类别。

The General Pair-based Weighting Loss for Deep Metric Learning Authors Haijun Liu, Jian Cheng, Wen Wang, Yanzhou Su 深度量度学习旨在经过深度神经网络学习样本对之间的距离度量，以提取相似样本彼此接近的语义特征嵌入，而不一样样本相距更远。基于对距离的大量损失函数已经在文献中提出，用于指导深度量学习的训练。在本文中，咱们将它们统一在基于通用对的加权损失函数中，其中最小化目标损失仅仅是信息对的距离加权。基于通用对的加权损失包括两个主要方面，1个样本挖掘和2个加权。样本挖掘旨在选择信息丰富的正对和负对集合，以利用小批量中的样本的结构化关系，而且还减小非平凡对的数量。对加权旨在根据对距离为不一样对分配不一样的权重，以便有区别地训练网络。咱们详细回顾了那些与现有损失函数一致的现有配对损失，并从样本挖掘和配对权重的角度探讨了一些可能的方法。最后，对三个图像检索数据集的大量实验代表，咱们基于通用对的加权损失得到了新的最新技术性能，证实了基于对的样本挖掘和对加权的有效性，可用于深度量学习。

Attention: A Big Surprise for Cross-Domain Person Re-Identification Authors Haijun Liu, Jian Cheng, Shiguang Wang, Wen Wang 在本文中，咱们关注模型泛化和适应跨域人员识别Re ID。与现有的跨域Re ID方法不一样，利用那些未标记的目标域数据的辅助信息，咱们的目标是经过判别性特征学习加强模型泛化和适应，并直接利用预先训练的模型到新的域数据集，而不使用任何信息来自目标域。为了解决辨别特征学习问题，咱们惊奇地发现简单地引入注意机制来自适应地提取每一个域的人物特征是很是有效的。咱们采用两种流行的注意机制，基于长程依赖的注意和基于直接生成的注意。它们均可以经过空间或通道尺寸单独进行关注，甚至是空间和通道尺寸的组合。不一样注意的轮廓很好地说明了。此外，咱们还经过跳过链接将注意结果合并到模型的最终输出中，以改善具备高级和中级语义视觉信息的特征。经过直接利用预训练模型到新域的方式，注意结合方法真正能够加强模型推广和适应以执行跨域人Re ID。咱们在三个大型数据集之间进行了大量实验，市场1501，DukeMTMC reID和MSMT17。使人惊讶的是，仅引入注意力能够实现最早进的性能，甚至比利用来自目标域的辅助信息的那些跨域Re ID方法更好。

Deep Learning Approach for Receipt Recognition Authors Anh Duc Le, Dung Van Pham, Tuan Anh Nguyen 受近期计算机视觉和天然语言处理深度学习的成功启发，咱们提出了一种识别扫描收据的深度学习方法。识别系统具备基于链接主义文本提议网络的两个主要模块文本检测和基于基于注意的编码器解码器的文本识别。咱们还提出了预处理来提取收据区域和OCR验证以忽略手写。关于扫描收据OCR和信息提取的稳健阅读挑战数据集的实验2019代表，经过整合预处理和OCR验证，提升了准确度。咱们的识别系统在检测和识别任务中得到了71.9的F1分数。

The Fashion IQ Dataset: Retrieving Images by Combining Side Information and Relative Natural Language Feedback Authors Xiaoxiao Guo, Hui Wu, Yupeng Gao, Steven Rennie, Rogerio Feris 咱们为基于天然语言的时尚图像检索贡献了一个新的数据集和一种新方法。与之前的时尚数据集不一样，咱们提供天然语言注释，以促进交互式图像检索系统的培训，以及经常使用的基于属性的标签。咱们提出了一种新颖的方法，而且凭经验证实，将天然语言反馈与视觉属性信息相结合，能够产生相对于使用这些模态中的任何一种的卓越的用户反馈建模和检索性能。咱们相信，咱们的数据集能够鼓励进一步开发更多天然和现实世界适用的会话购物助理。

$d$-SNE: Domain Adaptation using Stochastic Neighborhood Embedding Authors Xiang Xu, Xiong Zhou, Ragav Venkatesan, Gurumurthy Swaminathan, Orchid Majumder 深度神经网络一般须要大量标记数据来训练他们的大量参数。若是没有适当的正规化，训练更大更深的网络是很困难的，特别是在使用小型数据集时。在横向上，收集注释良好的数据是昂贵，耗时且一般是不可行的。规范这些网络的一种流行方法是简单地使用来自备用表明性数据集的更多数据来训练网络。若是表明性数据集的统计数据与咱们的目标不一样，这可能会致使不利影响。这种困境是因为域名转移的问题。当使用来自表明域的特征提取器时，来自移位域的数据可能不会产生定制特征。在本文中，咱们提出了一种新的域自适应SNE技术，巧妙地使用随机邻域嵌入技术和一种新的修改的Hausdorff距离。所提出的技术是可学习的端到端，所以很是适合训练神经网络。大量实验证实，d SNE优于现有技术水平，而且对于不一样数据集中的变化具备鲁棒性，即便在单次和半监督学习设置中也是如此。 d SNE还展现了同时推广到多个域的能力。

Distant Pedestrian Detection in the Wild using Single Shot Detector with Deep Convolutional Generative Adversarial Networks Authors Ranjith Dinakaran, Philip Easom, Li Zhang, Ahmed Bouridane, Richard Jiang, Eran Edirisinghe 在这项工做中，咱们研究了采用单击检测器SSD做为数据处理技术应用深度卷积生成对抗网络DCGAN的可行性，以应对野外行人检测的挑战。具体而言，咱们尝试在填充完成中使用，其中图像的一部分被遮蔽以生成图像的随机变换，其中部分缺失以扩展示有的标记数据集。在咱们的工做中，GAN已经在低分辨率图像上进行了大量训练，以便消除野外行人探测的挑战，并考虑人类，以及智能城市中几乎没有其余类别的探测。经过训练GAN模型和SSD执行的物体检测器实验提供告终果的实质性改进。该方法在用于对象检测的GAN网络的当前现状中提供了很是有趣的概述。咱们使用加拿大高级研究院CIFAR，Caltech，KITTI数据集来训练和测试不一样分辨率下的网络，实验结果与DCGAN级联SSD和SSD自己进行了比较。

Extending Monocular Visual Odometry to Stereo Camera System by Scale Optimization Authors Jiawei Mo, Junaed Sattar 本文提出了一种将单目视觉测距技术扩展到立体摄像系统的新方法。所提出的方法使用额外的相机来准确地估计和优化单眼视觉测距的尺度，而不是从立体匹配中对3D点进行三角测量。具体地，由单目视觉测距法生成的3D点被投影到立体对的另外一个相机上，而且经过直接最小化光度偏差来恢复和优化比例。特别地，与直接立体匹配相比，它在计算上是有效的，为立体视觉系统增长了最小的开销，而且对于重复纹理是鲁棒的。此外，直接比例优化使立体视觉测距几乎彻底基于直接方法。对公共数据集（例如KITTI）以及地面和水下的室外环境进行普遍评估，证实了经过尺度优化扩展的立体视觉测距方法的准确性和效率，以及具备挑战性纹理的环境中的稳健性。

Dynamic Traffic Scene Classification with Space-Time Coherence Authors Athma Narayanan, Isht Dwivedi, Behzad Dariush 本文研究了在移动车辆上捕获的视频产生的视点下的空间时间变化下的动态交通场景分类问题。该问题的解决方案对于实现解释或预测道路使用者行为所需的有效驾驶辅助技术是重要的。目前，因为缺少考虑由车辆自我运动引发的交通场景的时空演变的基准数据集，动态交通场景分类还没有获得充分解决。本文有三个主要贡献。首先，发布带注释的数据集以实现动态场景分类，其包括在旧金山湾区域收集的80小时的各类高质量驾驶视频数据剪辑。数据集包括道路位置，道路类型，天气和路面情况的时间注释。其次，咱们介绍了利用数据集的语义上下文和时间特性进行道路场景动态分类的新颖和基线算法。最后，咱们展现了算法和实验结果，突出了场景分类中提取的特征如何做为强大的先验，并有助于战术驾驶员行为理解。结果显示，文献中先前报道的驾驶行为检测基线有显着改善。

A survey of Object Classification and Detection based on 2D/3D data Authors Xiaoke Shen 最近，经过使用基于深度神经网络的算法，对象分类，检测和语义分割解决方案获得显着改善。然而，基于2D图像的系统的一个挑战是它们不能提供准确的3D位置信息。这对于位置敏感的应用程序（如自动驾驶和机器人导航）相当重要。另外一方面，诸如RGB D和基于RGB LiDAR的系统之类的3D方法能够提供显着改善仅RGB方法的解决方案。这就是为何这对工业界和学术界来讲都是一个有趣的研究领域。与基于2D图像的系统相比，基于3D的系统因为如下五个缘由而更复杂1数据表示自己更复杂。 3D图像能够用点云，网格，体积来表示。 2D图像具备像素网格表示。 2添加额外维度时，计算和内存资源要求更高。 3不一样的物体分布和室内外场景区域的差别使得一个统一的框架难以实现。与密集的2D图像相比，特别是对于室外场景而言，3D数据是稀疏的，这使得检测任务更具挑战性。最后，与精心构建的2D数据集（如ImageNet）相比，大尺寸标记数据集（对于基于监​​督的算法很是重要）仍在构建中。基于上面列出的挑战，所描述的系统由应用场景，数据表示方法和所解决的主要任务组织。同时，还引入了对3D影响很大的基于2D的关键系统，以显示它们之间的联系。

What Makes Training Multi-Modal Networks Hard? Authors Weiyao Wang, Du Tran, Matt Feiszli 在具备多个输入模态的任务上考虑多模态与单模态网络的端到端训练，多模态网络接收更多信息，所以它应匹配或优于其单个模态对应物。然而，在咱们的实验中，咱们观察到相反的最佳单模态网络老是优于多模态网络。这种观察在不一样的模态组合和不一样的任务和基准上是一致的。

Entropic Regularisation of Robust Optimal Transport Authors Rozenn Dahyot, Hana Alghamdi, Mairead Grogan Grogan等人11,12最近经过最小化捕获两个图像调色板和目标的颜色分布的两个几率密度函数之间的欧几里德距离L2来提出颜色转移的解决方案。它被证实对基于最佳传输的颜色转移的替代解决方案很是有竞争力。咱们代表事实上Grogan等人的公式也能够被理解为一种新的稳健的基于最优运输的框架，其边缘上的熵正则化。

Emergence of Object Segmentation in Perturbed Generative Models Authors Adam Bielski, Paolo Favaro 咱们引入了一个新颖的框架来构建一个模型，该模型能够学习如何在没有任何人类注释的状况下从一组图像中分割对象。咱们的方法创建在观察到对象段的位置能够相对于给定背景局部扰动而不影响场景的真实性的基础上。咱们的方法是首先训练分层场景的生成模型。分层表示由背景图像，前景图像和前景的掩模组成。而后经过将掩蔽的前景图像叠加到背景上来得到合成图像。生成模型以对抗方式对抗鉴别器进行训练，这迫使生成模型产生逼真的合成图像。为了强制生成器学习前景层对应于对象的表示，咱们经过引入前景图像和掩模相对于背景的随机移位来扰乱生成模型的输出。由于生成器在计算其输出以前不知道移位，因此它必须产生对于任何这样的随机扰动都是现实的分层表示。最后，咱们学习经过定义一个自动编码器来分割图像，该自动编码器由咱们训练的编码器和预先训练好的生成器组成，咱们将其冻结。编码器将图像映射到特征向量，该特征向量做为输入馈送到生成器以给出与原始输入图像匹配的合成图像。由于生成器输出场景的显式分层表示，因此编码器学习检测和分割对象。咱们在几个对象类别的真实图像上演示了这个框架。

Video from Stills: Lensless Imaging with Rolling Shutter Authors Nick Antipa, Patrick Oare, Emrah Bostan, Ren Ng, Laura Waller 由于图像传感器芯片具备用于读出像素的有限带宽，因此记录视频一般须要在帧速率和像素计数之间进行折衷。压缩感测技术能够经过假设图像是可压缩的来避免这种折衷。在这里，咱们建议使用多路复用光学器件对场景进行空间压缩，从一行传感器像素中采集有关整个场景的信息，这些信息能够经过滚动快门CMOS传感器快速读取。方便地，这种多路复用能够经过简单的无透镜，基于漫射器的成像系统来实现。使用稀疏恢复方法，咱们可以以每秒超过4,500帧的速度恢复140个视频帧，全部这些都来自使用滚动快门传感器的单个捕获图像。咱们的概念验证系统使用易于制造的扩散器与现成的传感器配对。所获得的原型使得高帧率视频的压缩编码成为单个滚动快门曝光，而且超过了对于足够稀疏的对象的等效全局快门系统的采样限制性能。

Image classification using quantum inference on the D-Wave 2X Authors Nga T.T. Nguyen, Garrett T. Kenyon 咱们使用量子退火D Wave 2X计算机来得到NP硬稀疏编码问题的解决方案。为了减小稀疏编码问题的维数以适应量子D Wave 2X硬件，咱们经过瓶颈自动编码器传递下采样的MNIST图像。为了在这个简化的维度数据集上创建分类性能的基准，咱们使用了在TensorFlow中实现的相似AlexNet的架构，得到了94.54 pm的分类得分0.7。做为对照，咱们展现了相同的AlexNet相似架构在原始MNIST图像上产生了接近现有技术的分类性能sim 99。为了得到用于推断缩小尺寸MNIST数据集的稀疏表示的一组优化特征，咱们在随机的47个图像块上打印，随后是使用随机梯度降低的离线无监督学习算法以优化稀疏编码。咱们的单层稀疏编码与AlexNet的第一个卷积层（如深度神经网络）的步幅和补丁大小相匹配，包含47个彻底链接的特征，47个是可嵌入D Wave 2 X硬件的字典元素的最大数量。最近的工做代表，稀疏度的最佳水平对应于与推定的二阶相变相关联的折衷参数的临界值，该观察由D波能量状态的自由能分析支持。当由D Wave 2 X推断的稀疏表示传递给线性支持向量机时，咱们得到了95.68的分类得分。所以，在这个问题上，咱们发现单层量子推断可以赛过标准的深度神经网络架构。

What Can Neural Networks Reason About? Authors Keyulu Xu, Jingling Li, Mozhi Zhang, Simon S. Du, Ken ichi Kawarabayashi, Stefanie Jegelka 神经网络已经成功地应用于解决推理任务，从学习简单的概念，如接近，到复杂的问题，其推理程序相似于算法。根据经验，并不是全部网络结构都能一样适用于推理。例如，图形神经网络已经取得了使人印象深入的实证结果，而结构较少的神经网络可能没法学会推理。从理论上讲，目前对推理任务与网络学习之间相互做用的理解有限。在本文中，咱们经过研究其结构与相关推理过程的算法结构的一致性，开发了一个框架来表征神经网络能够很好地学习哪些任务。这代表图形神经网络能够学习动态编程，这是一种强大的算法策略，能够解决一大类推理问题，例如关系问题回答，排序，直观物理和最短路径。咱们的观点还暗示了为复杂推理设计神经架构的策略。在几个抽象的推理任务中，咱们从经验上看，咱们的理论与实践很好地吻合。

Graph Neural Tangent Kernel: Fusing Graph Neural Networks with Graph Kernels Authors Simon S. Du, Kangcheng Hou, Barnab s P czos, Ruslan Salakhutdinov, Ruosong Wang, Keyulu Xu 虽然图形内核GK很容易训练而且享受可证实的理论保证，但它们的实际性能受到其表达能力的限制，由于内核函数一般依赖于手工制做的图形组合特征。与图形内核相比，图形神经网络GNN一般能够得到更好的实际性能，由于GNN使用多层体系结构和非线性激活函数来提取图形的高阶信息做为特征。然而，因为大量的超参数和训练过程的非凸性，GNN更难训练。 GNN的理论保证也不是很清楚。此外，GNN的表达能力随着参数的数量而扩展，所以当计算资源有限时很难利用GNN的所有功能。本文提出了一类新的图形核，即图形神经切线核GNTK，它们对应于经过梯度降低训练的无限宽多层GNN。 GNTK享有GNN的所有表达能力，并继承了GK的优点。从理论上讲，咱们展现GNTK能够在图上学习一类平滑函数。根据经验，咱们在图分类数据集上测试GNTK并显示它们实现了强大的性能。

Grounding Language Attributes to Objects using Bayesian Eigenobjects Authors Vanya Cohen, Benjamin Burchfiel, Thao Nguyen, Nakul Gopalan, Stefanie Tellex, George Konidaris 咱们开发了一个基于简单物理描述消除对象歧义的系统。该系统将天然语言短语和包含分割对象的深度图像做为输入，并预测观察对象与所描述的对象的类似程度。咱们的系统旨在仅从少许人类标记的语言数据中学习，并推广到未在语言注释深度图像训练集中表示的视点。经过将3D形状表示与语言表示分离，咱们的方法可以使用少许语言注释深度数据和更大的未标记3D对象网格语料将语言与新对象接地，即便从不寻常的视点部分地观察这些对象也是如此。咱们的系统可以消除基于天然语言描述的经过深度图像观察到的新物体之间的歧义。咱们的方法还使得可以在从正面视点捕获的一小组深度图像上对人类注释数据进行训练的视点转移，尽管在其训练集中没有这样的深度图像，可是咱们的系统成功地从后视图预测了对象属性。最后，咱们在Baxter机器人上演示咱们的系统，使其可以根据人类提供的天然语言描述选择特定对象。

Generalized Separable Nonnegative Matrix Factorization Authors Junjun Pan, Nicolas Gillis 非负矩阵分解NMF是非负数据的线性维数技术，具备图像分析，文本挖掘，音频源分离和高光谱分离等应用。给定数据矩阵M和分解等级r，NMF寻找具备r列的非负矩阵W和具备r行的非负矩阵H，使得M近似WH。通常来讲，NMF很难解决。然而，它能够在可分性假设下有效地计算，该可分性假设要求基矢量表现为数据点，即存在索引集算法K，使得W M，mathcal K.在本文中，咱们归纳了可分性假设咱们只要求对于每一个等级一个因子W，k H k，对于k 1,2，点，r，W，k M，j对于某些j或H k，M i ，对某些人来讲。咱们将相应的问题称为广义可分NMF GS NMF。咱们讨论了GS NMF的一些性质，并提出了一种咱们用快速梯度法求解的凸优化模型。咱们还提出了一种受连续投影算法启发的启发式算法。为了验证咱们的方法的有效性，咱们将它们与合成，文档和图像数据集上的几种最早进的可分离NMF算法进行比较。

Wasserstein Style Transfer Authors Youssef Mroueh 咱们在编码器解码器框架中为图像样式传输提出高斯最优传输。高斯测量的最佳传输已经封闭形式从源到目标分布的Monge映射。此外，内容和风格图像之间的插值能够被视为Wasserstein几何中的测地线。利用这种洞察力，咱们展现了如何使用高斯测量的Wasserstein重心来混合不一样的目标样式。因为高斯人在Wasserstein重心下关闭，这使咱们能够进行简单的风格转换和风格混合和插值。此外，咱们展现了如何使用高斯之间的其余测地指标（例如Fisher Rao度量）来实现不一样样式的混合，而内容到新插值样式的传输仍然使用高斯OT图执行。咱们简单的方法容许生成在许多艺术风格之间插入的新风格化内容。插值中使用的度量致使不一样的样式。

Exploiting Epistemic Uncertainty of Anatomy Segmentation for Anomaly Detection in Retinal OCT Authors Philipp Seeb ck, Jos Ignacio Orlando, Thomas Schlegl, Sebastian M. Waldstein, Hrvoje Bogunovi , Sophie Klimscha, Georg Langs, Ursula Schmidt Erfurth 经过检测医学图像中的相关生物标志物来辅助诊断和治疗指导。尽管有监督的深度学习能够对病理区域进行准确的分割，可是经过要求对这些区域的先验定义，大规模注释以及训练集中的表明性患者群组进行限制。相反，异常检测不限于病理学的特定定义，而且容许在没有注释的状况下对健康样品进行训练。而后，异常区域能够做为生物标记物发现的候选者。关于正常解剖结构的知识带来了用于检测异常的隐含信息。咱们建议利用贝叶斯深度学习来利用这个属性，这是基于认知不肯定性将与正常训练集的解剖学误差相关联的假设。贝叶斯U网使用现有方法生成的健康解剖学的弱标签，在明肯定义的健康环境中进行训练。在测试时，咱们使用蒙特卡洛辍学捕获咱们模型的认知不肯定性估计。而后应用一种新颖的后处理技术来利用这些估计并将它们的分层外观转移到异常的平滑斑点形分割。咱们使用视网膜层的弱标签在视网膜光学相干断层扫描OCT图像中实验验证了这种方法。咱们的方法在年龄相关性黄斑变性AMD病例的独立异常测试集中达到了0.789的Dice指数。由此产生的分割容许很是高的准确度，用于分离晚期湿性AMD，干性地理性萎缩GA，糖尿病性黄斑水肿DME和视网膜静脉阻塞RVO的健康和患病病例。最后，咱们定性地观察到咱们的方法还能够检测正常扫描中的其余误差，例如切边伪影。

Bandlimiting Neural Networks Against Adversarial Attacks Authors Yuping Lin, Kasra Ahmadi K. A., Hui Jiang 在本文中，咱们从傅里叶分析的角度研究深度学习中的对抗性攻击和防护问题。咱们首先明确地计算了深ReLU神经网络的傅立叶变换，而且代表在神经网络的傅里叶谱中存在衰减但非零的高频份量。咱们证实神经网络对对抗性样本的脆弱性可归因于这些可有可无但非零的高频成分。基于此分析，咱们建议使用简单的后平均技术来平滑这些高频份量，以提升神经网络抵御对抗性攻击的鲁棒性。 ImageNet数据集的实验结果代表，咱们提出的方法在保护文献中提出的许多现有对抗攻击方法方面具备广泛的效果，包括FGSM，PGD，DeepFool和C W攻击。咱们的后平均方法很简单，由于它不须要任何从新训练，同时它能够成功地保护这些方法生成的95个以上的对抗样本，而不会在原始干净图像上引入小于1的任何显着性能降低。

Batch weight for domain adaptation with mass shift Authors Miko aj Bi kowski, R Devon Hjelm, Aaron Courville 无监督域转移是将样本从源分发转移或转换到不一样目标分布的任务。当前解决方案无监督域转移一般对分布模式很好匹配的数据进行操做，例如在源分布和目标分布之间具备相同的类别频率。然而，当模式不能很好地匹配时，这些模型表现不佳，例如当样本独立于两个不一样但相关的域绘制时。这种模式不平衡是有问题的，由于生成对抗性网络GAN（在该设置中的成功方法）对模式频率敏感，这致使源样本与生成的目标分布样本之间的语义不匹配。咱们提出了一种从新加权训练样本的原则方法，以校订转移分布之间的这种质量转移，咱们称之为批量权重。咱们还为域转移和训练传输网络的新简化目标提供严格的几率设置，这是在当前最早进的图像到图像转换模型中使用的复杂的多份量损失函数的替代方案。新目标源于对联合分布的区分，并以抽象的，高级的而非像素的方式强制执行循环一致性。最后，咱们经过实验证实了所提出的方法在几个图像到图像转换任务中的有效性。

Zeroth-Order Stochastic Alternating Direction Method of Multipliers for Nonconvex Nonsmooth Optimization Authors Feihu Huang, Shangqian Gao, Songcan Chen, Heng Huang 乘法器的交替方向方法ADMM是一种流行的优化工具，用于机器学习中的复合和约束问题。然而，在许多机器学习问题中，例如黑盒攻击和强盗反馈，ADMM可能会失败，由于这些问题的显式梯度难以得到或不可行。零阶梯度自由方法能够有效地解决这些问题，由于目标函数值仅在优化中须要。最近，虽然存在一些零阶ADMM方法，但它们创建在目标函数的凸性上。显然，这些现有的零阶方法在许多应用中受到限制。所以，在本文中，咱们提出了一类快速零阶随机ADMM方法，即ZO SVRG ADMM和ZO SAGA ADMM，用于基于坐标平滑梯度估计来解决具备多个非光滑罚分的非凸问题。此外，咱们证实了ZO SVRG ADMM和ZO SAGA ADMM都具备O 1 T的收敛速度，其中T表示迭代次数。特别是，咱们的方法不只达到非凸优化的最佳收敛速度O 1 T，并且可以有效地解决许多复杂的机器学习问题，具备多个正则化的惩罚和约束。最后，咱们对黑盒深度神经网络进行了黑盒二进制分类和结构化对抗攻击实验，验证了算法的有效性。

A Quaternion-based Certifiably Optimal Solution to the Wahba Problem with Outliers Authors Heng Yang, Luca Carlone Wahba问题，也称为旋转搜索，旨在找到最佳旋转以对齐两组矢量观测给定推定的对应关系，而且是许多计算机视觉和机器人应用中的基本例程。当大量矢量观测是异常值时，这项工做提出了第一个多项式时间可证实最优的方法来解决Wahba问题。咱们的第一个贡献是使用截断最小二乘TLS成原本制定Wahba问题，该成本对大部分虚假对应不敏感。第二个贡献是使用单位四元数重写问题，并显示TLS成本能够被构建为二次约束二次规划QCQP。因为最终的优化仍然是高度非凸的而且难以全局求解，咱们的第三个贡献是开发凸半定规划SDP松弛。咱们代表，虽然天真的放松通常表现不佳，但即便存在大噪音和异常值，咱们的放松也很紧张。咱们在合成和真实数据集中验证了所提出的算法，名为QUASAR QUAternion的Semidefinite relAxation for Robust alignment，代表该算法优于RANSAC，强大的局部优化技术和全局异常值去除方法。 QUASAR可以计算可认证的最佳解决方案，即即便在95个对应关系是异常值的状况下，放松也是准确的。

Chinese Abs From Machine Translation

Papers from arxiv.org

更多精彩请移步主页

---

pic from pexels.com