第142期 HackCV 日报

这十大项目包括了Facebook刚开源的目标检测Detectron、换脸模型FaceSwap、超大模型训练梯度优化Gradient-checkpointing、Lime、Dm_control、Psychlab、Deepj、Simple、Deep-neuroevolution和NPMT。

图像质量/美观评价是一个非常主观的任务,量化起来是非常困难的。在有参考图像的时候,可以使用PSNR、SSIM等准则,但更多时候是没有参考图像的。NIMA是谷歌使用CNN构建的图像质量评价技术,相对于已有的技术只能给出好或者差的结果,NIMA可以得到一个1-10之间的得分,而这个得分是与人对图像质量的感知有关的。技术上并没有难点,难就难在数据集的构建上,AVA中25万多张图片,平均每张都有200个人的主观评分,能在这样的数据集上训练,效果自然比较好。

文中使用深度学习对人眼视网膜图片进行训练,进而探测是否患有心血管的疾病,取得了不错的效果。作为有效的辅助探索工具,感觉计算机视觉和深度学习技术会在生物医疗领域会有很好的表现。