同步公众号(arXiv每日学术速递)

[检测分类相关]：
【1】 Modeling the Distribution of Normal Data in Pre-Trained Deep Features for Anomaly Detection
用于异常检测的预训练深度特征中正态数据分布的建模
作者： Oliver Rippel, Dorit Merhof
链接：https://arxiv.org/abs/2005.14140

【2】 CNN-based Approach for Cervical Cancer Classification in Whole-Slide Histopathology Images
全幻灯片组织病理学图像中基于CNN的宫颈癌分类方法
作者： Ferdaous Idlahcen, Abdelhak Mahmoudi
备注：Presented at the ICLR 2020 Workshop on AI for Overcoming Global Disparities in Cancer Care (AI4CC)
链接：https://arxiv.org/abs/2005.13924

【3】 Traditional Method Inspired Deep Neural Network for Edge Detection
传统方法启发的深层神经网络边缘检测
作者： Jan Kristanto Wibisono, Hsueh-Ming Hang
链接：https://arxiv.org/abs/2005.13862

【4】 Universal Lesion Detection by Learning from Multiple Heterogeneously Labeled Datasets
基于多个异构标记数据集学习的通用病变检测
作者： Ke Yan, Le Lu
链接：https://arxiv.org/abs/2005.13753

【5】 Anomaly Detection Based on Deep Learning Using Video for Prevention of Industrial Accidents
基于视频深度学习的异常检测技术在工业事故预防中的应用
作者： Satoshi Hashimoto, Kazunori Umeda
链接：https://arxiv.org/abs/2005.13734

【6】 Detecting Scatteredly-Distributed, Small, andCritically Important Objects in 3D OncologyImaging via Decision Stratification
通过决策分层检测3D肿瘤成像中分散分布的、小的和关键的目标
作者： Zhuotun Zhu, Le Lu
链接：https://arxiv.org/abs/2005.13705

【7】 Deep Learning for Automatic Pneumonia Detection
肺炎自动检测的深度学习
作者： Tatiana Gabruseva, Alexandr A. Kalinin
备注：to appear in CVPR 2020 Workshops proceedings
链接：https://arxiv.org/abs/2005.1389

【8】 Poly-YOLO: higher speed, more precise detection and instance segmentation for YOLOv3
Poly-YOLO：YOLOv3的更高速度、更精确的检测和实例分割
作者： Petr Hurtik, Tomas Nejezchleba
链接：https://arxiv.org/abs/2005.1324