CV顶刊顶会

深度学习方法中使用ImageNet预训练模型目前已经是很多视觉任务上的基本手段，有很多研究表明，**加载ImageNet预训练模型可以帮助新模型在新任务上得到更好的泛化能力**。但是这种方式有没有缺陷

来自中科院自动化研究所以及神经科学研究所的研究团队提出了一种新型的跨域行人re-ID方法，设置了一种行人视角感知学习方案来应对目标域内的差异学习

来自西安交通大学、伊利诺伊大学芝加哥分校和Wormpex AI Research等研究机构的团队提出了一种简单而有效的实例运动趋势网络 (Instance Motion Tendency Networ

来自香港大学和香港中文大学的研究团队针对该问题提出了一种扫视-聚焦网络（glance and focus network），以有效地整合视频中的时空信息来完成精确的异常检测，该文目前已被人工智能顶级国

来自中国科学院自动化研究所的研究团队提出一种姿势外观联合关系建模网络 (Pose- Appearance Relational Network，PARNet) 发表在图像领域顶级期刊IEEE TIP上

来自武汉大学测绘遥感信息工程国家重点实验室的研究团队提出了一种用于 HMCD 的无监督二元变化引导的高光谱多类变化检测网络 (Binary Change Guided hyperspectral

来自中国科学院大学、鹏城实验室和天津大学的研究团队认为模型训练时的采样策略起着同样重要的作用**，作者分析了同一框架和损失函数下各种采样策略之间性能差异的原因

来自复旦大学医学影像、图像视觉与人工智能实验室的研究团队提出了一个基于贝叶斯理论的图像超分辨率网络（Bayesian image super-resolution network，BayeSR），发表

来自上海大学、新加坡南洋理工大学等单位的研究者提出了一种针对光学遥感图像的相邻上下文协调网络 (adjacent context coordination network，ACCoNet)