前言
近期开源的项目真不少，一方面CVPR 2020录用结果放出，所以大量的CVPR 2020论文以及相应的代码也逐渐放出。本文将重点介绍近期比较值得关注的3个开源项目（PointRend、EfficientDet和SimCLR），后面会单独针对CVPR 2020 细分方向进行开源项目介绍。
另外想第一时间知道开源动态，欢迎加文末的CVer小助手微信，其朋友圈每天会推送最新论文和开源项目。
PointRend
论文链接：https://arxiv.org/abs/1912.08193
代码链接：
https://github.com/facebookresearch/detectron2/tree/master/projects/PointRend
实际上本篇论文不仅刚刚开源，而且还收录于CVPR 2020（Oral）。另外说一下，何恺明大神今年拿下3篇 CVPR 2020，而且都是Oral。
本研究的中心思想是将图像分割看作一个渲染问题，并采用计算机图形学中的经典思想来有效地“渲染”高质量的标签图。基于这个计算思想提出一个新的神经网络模块，称为PointRend，它使用subdivision策略自适应地选择一组非均匀的点来计算标签。
PointRend可以被合并到流行的元架构中，用于实例分割(如Mask R-CNN)和语义分割(如FCN)。它的subdivision策略使用的浮点运算比直接的密集计算要少一个数量级，从而可以有效地计算高分辨率分割图。
将PointRend应用于实例分割
将PointRend与表1中Mask R-CNN中默认的4×conv head进行比较。
关于论文解读详见：
何恺明团队新作PointRend：将图像分割视作渲染问题，显著提升语义/实例分割性能！
EfficientDet
论文链接：https://arxiv.org/abs/1911.09070 代码链接： https://github.com/google/automl/tree/master/efficientdet
实际上本篇论文也是收录于 CVPR 2020 中！
当时论文刚出来的时候，看到 COCO 数据集上 51.0 mAP！直接惊呆了！模型又轻量又高效，正好代码10天前开源，大家可以上手使用一番。
不过要注意的是目前开源的是EfficientDet-D0到EfficientDet-D6，原论文中的EfficientDet-D7没有了（而且新论文修正了这一点，也是把EfficientDet-D7删掉了）。不过问题不大，EfficientDet-D6 的 51.0 mAP 也够我们用了！
关于论文解读详见： 一骑绝尘的EfficientNet和EfficientDet
SimCLR
论文链接：https://arxiv.org/abs/2002.05709 代码链接： https://github.com/google-research/simclr
近期无监督学习方面的两篇巨作：
Hinton组的：SimCLR
何恺明等人的：MoCo v2
注：MoCo 已收录于 CVPR 2020（Oral），而MoCo v2是 MoCo的改进版，性能已超越SimCLR。
关于SimCLR的论文解读推荐知乎上的这个话题：
如何评价Hinton组的新工作SimCLR? https://www.zhihu.com/question/372064916
上述三篇论文的PDF和代码均已经打包好，在CVer公众号后台回复：20200324，即可下载。另外想第一时间知道更多论文的开源动态，欢迎加文末的CVer小助手微信，其朋友圈每天会推送最新论文和开源项目。
