细粒度图像与超分辨率

FSRNet: End-to-End Learning Face Super-Resolution with Facial Priors(2018 CVPR SPOTLIGHT Presentation)

文章地址：https://arxiv.org/abs/1711.10703
作者的项目地址： FSRNet

本文提出了一个新的端到端训练人脸超分辨网络，通过更好的利用人脸特征脸热度图和分割图几何信息，在无需人脸对齐提升非常低分辨人脸图像质量。
具体上，首先构建一个粗细粒度超分辨网络恢复一个粗精度HR，其次把图像送入一个细粒度超分辨编码器和一个先验信息估计网络二条分支。细粒度抽取图像特征，先验网络估计人脸特征点和分割信息。最后二个分支结果汇入一个细粒度解码器进行重构信息。

AttnGAN: Fine-Grained Text to Image Generation with Attentional Generative Adversarial Networks(2018 CVPR)

 文章地址：https://arxiv.org/abs/1711.10485
作者的项目地址： AttnGAN

本文提出了细粒度图像生成，通过借助文本描述生成包含充分细节图像。利用了Attention-driven, multi-stage-refiment. GAN三种方法生成理想图像，建立了文本描述到图片细节attention。
构建了DAMSE使得Text-encoder和Image-encoder生成特征可以在公共空间对齐，表示相似性。也就是利用多模态相似性为目标协同优化特征提取，使得提取特征有利用GAN性能的提升。

细粒度图像识别

2018国内十大技术突破之一，“看”一眼就结账。

在传统计算机视觉研究中，图像识别的目标对象隶属类别通常是诸如“狗”“车”和“鸟”等传统意义上的类别分类。但大家应该都有这样的经历：逛街时看到路人的萌犬可爱至极，可仅知是“犬”殊不知其具体品种。然而，细粒度级别图像识别技术便能准确分辨出哪怕细微差异的目标对象，解决此类难题。

现落地于南京快餐厅的细粒度图像识别智慧收银系统，可以近100%识别率，精确识别几十种菜品，该系统在具体运行时，食客仅需将选好的菜品放在识别区，系统便会立刻显示出菜品清单和价格，即可进行结算。

旷视科技Face++南京研究院负责人魏秀参博士表示：“首先，我们通过数据采集收集到待识别菜品近千张的图像信息，之后针对诸多菜品间细微的差异设计基于深度学习的细粒度级别图像识别算法。该算法除常规的卷积神经网络模块对整盘菜品获取全局性的判别信息外，还包含一个‘注意力’模块，可自动‘聚焦’到差异细微菜品的局部图像区域。这些局部区域可有效辅助算法进行细粒度级别的菜品识别。”这样，整张细粒度图像识别特征既包含了菜品级别特征，又包含了更强判别性的局部特征，使得分类准确无误。相比传统标签结算的方式，细粒度图像识别技术大大降低了系统及人力成本，同时大幅提升了顾客点餐结账的效率。

【转载自】

深度学习应用到图像超分辨率重建2 - 暮日落流年的博客 - CSDN博客 https://blog.csdn.net/alxe_made/article/details/81407726

细粒度图像识别-贤集网图像传感器专题 https://www.xianjichina.com/special/detail_378104.html