小目标识别

小目标与难分样本学习

主要采用分割、对抗、显著性、注意力、细粒度识别技术实现问题


一、学术方向
二、行业水平
三、研究意义
四、转换周期

斯坦福大学计算机视觉实验室
http://vision.stanford.edu/research.html
微软亚洲研究院计算机视觉
https://www.microsoft.com/en-us/research/research-area/computer-vision/
图像分割
http://blog.qure.ai/notes/semantic-segmentation-deep-learning-review

细粒度（递归注意力）
  1、基于图像重要区域定位的方法
  2、基于图像精细化特征表达的方法

显著性检测
南开大学
https://mmcheng.net/tag/salient-object-detection/
https://mmcheng.net/code-data/
  1、LC算法
  2、HC算法
  3、AC算法
  4、FT算法
  Visual attention detection in video sequences using spatiotemporal cues  
  https://blog.csdn.net/touch_dream/article/details/78716507

注意力机制
  （软、硬注意力机制）
  1、空间域注意力STN
  2、通道域注意力SENet
  3、混合域注意力
  4、时间域注意力RNN
  
一、学术方向
二、行业水平
三、研究意义
四、转换周期

斯坦福大学计算机视觉实验室
http://vision.stanford.edu/research.html
微软亚洲研究院计算机视觉
https://www.microsoft.com/en-us/research/research-area/computer-vision/
图像分割
http://blog.qure.ai/notes/semantic-segmentation-deep-learning-review

细粒度（递归注意力）
  1、基于图像重要区域定位的方法
  2、基于图像精细化特征表达的方法

显著性检测
南开大学
https://mmcheng.net/tag/salient-object-detection/
https://mmcheng.net/code-data/
  1、LC算法
  2、HC算法
  3、AC算法
  4、FT算法
  Visual attention detection in video sequences using spatiotemporal cues  
  https://blog.csdn.net/touch_dream/article/details/78716507

注意力机制
  （软、硬注意力机制）
  1、空间域注意力STN
  2、通道域注意力SENet
  3、混合域注意力
  4、时间域注意力RNN