卫星图像中规则条纹的识别
Recognition of Regular Shapes in Satelite Images
摘要：
这篇论文已经被作者ali pourmohammad撤回。
英文摘要：
This paper has been withdrawn by the author ali pourmohammad.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
相关论文
基于正则表达式偏置的结构化文本识别
Improving Structured Text Recognition with Regular Expression Biasing
Microsoft（微软）
我们研究识别结构化文本，即遵循某些格式的文本的问题，并建议通过指定正则表达式（regexes）的偏见，以提高结构化文本的识别精度。有偏识别器识别与指定正则表达式匹配的文本，其准确性显著提高，但对其他文本的影响通常很小。偏置是通过将正则表达式建模为一个加权状态转换器（WFST）并通过动态替换将其注入解码器来实现的。单个超参数控制偏置强度。该方法对于识别具有已知格式或包含来自领域词汇表的单词的文本行是有用的。例子包括驾驶执照号码，处方中的药物名称等，我们证明了正则表达式的打印和手写结构化文本的数据集上的偏见的疗效，并衡量其副作用。
cs.CV
基于超图p-Laplacian正则化的遥感图像识别
Hypergraph p-Laplacian Regularization for Remote Sensing Image Recognition
China University of Petroleum (East China)（中国石油大学（华东））；University of Macau（澳门大学）
在基于半监督学习（SSL）的应用中，保持局部性和相似性信息是非常重要的。基于图的SSL和基于流形正则化的SSL包括Laplacian正则化（LapR）和Hypergraph Laplacian正则化（HLapR）是具有代表性的SSL方法，并且通过利用样本分布的关系获得了突出的性能。然而，准确地探索和利用数据分布的局部结构仍然是一个巨大的挑战。本文给出了超图p-Laplacian的一种有效的近似算法，并在此基础上提出了超图p-Laplacian正则化（Hypergraph p-Laplacian regularization，HpLapR），以保持概率分布的几何性。特别地，p-Laplacian是标准图Laplacian的非线性推广，Hypergraph是标准图的推广。因此，建议HpLapR提供了更大的潜力，利用局部结构保持。将HpLapR应用于逻辑回归，并进行了遥感图像识别的实现。我们比较了建议HpLapR几个流行的流形正则化的SSL方法，包括LapR，HLapR和HpLapR在UC-Merced数据集。实验结果证明了所提出的HpLapR的优越性。
cs.CV
分段规则目标识别中的最大似然定向枚举法
Maximum Likelihood Directed Enumeration Method in Piecewise-Regular Object Recognition
我们探讨的问题，分类的复合对象（图像，语音信号）与低数量的模型，每类。我们研究的问题，提高识别性能的中型数据库（数千类）。广泛应用于该任务的快速近似最近邻方法的关键问题是它们的启发式性质。可以通过使用仅用于简单的相似性度量和人工生成的任务的算法理论来有力地证明它们的效率。相反，在本文中，我们提出了一种替代的，统计上最优的贪心算法。在该算法的每个步骤中，估计每个类与先前检查的模型的距离的联合密度（似然）。从具有最大似然的类中选择下一个要检查的模型。后者是基于Kullback-Leibler信息判别的渐近性质和分段正则对象的数学模型估计的，每个正则段的分布为指数型。在FERET人脸识别数据集上的实验结果表明，该方法不仅比暴力和基线（定向枚举法）更有效，而且比FLANN和NonMetricSpaceLib库（随机kd树、复合索引、perm-sort）中的近似最近邻方法更有效。
cs.CV
行人属性识别的空间和语义一致性规则化
Spatial and Semantic Consistency Regularizations for Pedestrian Attribute Recognition
University of Chinese Academy of Sciences（中国科学院大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；CAS Center for Excellence in Brain Science and Intelligence Technology（中国科学院脑科学与智能技术卓越创新中心）
近年来行人属性识别的研究在利用复杂网络和注意力机制方面取得了显著进展，但大多数研究都忽略了图像间的关系和一个重要的先验：监控场景下属性的空间一致性和语义一致性。同一个属性在不同的行人图像中的空间位置应该是一致的，\eg、"帽子”属性和"靴子”属性总是分别位于图片的顶部和底部。此外，无论是棒球帽、贝雷帽还是头盔，"hat”属性的固有语义特征都应该是一致的。为了在模型学习过程中充分利用图像间关系并聚合人类先验知识，我们构建了一个空间和语义一致性（SSC）框架，该框架由两个互补的正则化组成，以实现每个属性的空间和语义一致性。具体来说，我们首先提出了一个空间一致性正则化，专注于可靠和稳定的属性相关区域。基于精确的属性位置，我们进一步提出了一个语义一致性正则化提取内在和歧视性的语义特征。我们对流行的基准测试进行了广泛的实验，包括PA100K，RAP和PETA。实验结果表明，该方法在不增加参数的情况下，与现有方法相比，具有较好的性能。
cs.CV
BackMix：通过消除潜在的前景-背景先验对开集识别进行正则化
BackMix: Regularizing Open Set Recognition by Removing Underlying Fore-Background Priors
College of Intelligence and Computing, Tianjin University（天津大学智能与计算学部）；Haihe Laboratory of Information Technology Application Innovation (Haihe Lab of ITAI)（海河信息技术应用创新实验室）
针对现有开集识别正则化方法依赖精心选择辅助离群点的问题，提出BackMix方法，通过混合前景与不同背景消除前景-背景先验，在无需额外推理操作的前提下显著提升开集识别性能，且易于集成到现有框架。
cs.CV
Enhamp-Laplacian正则化方法在遥感图像识别中的应用
Ensemble p-Laplacian Regularization for Remote Sensing Image Recognition
China University of Petroleum (East China)（中国石油大学（华东））；Yunnan University（云南大学）；University of Macau（澳门大学）
最近，流形正则化半监督学习（MRSSL）受到了相当大的关注，因为它成功地利用了固有数据概率分布的几何形状，包括标记和未标记的样本，以利用学习模型的性能。p-Laplacian作为图Laplacian的一种自然非线性推广，具有丰富的理论基础，能更好地保持局部结构。然而，它是很难确定的拟合图p-Laplacian，即参数，这是一个关键因素，图p-Laplacian的性能。因此，我们开发了一种系综p拉普拉斯正则化（EpLapR）来完全逼近数据分布的固有流形。EpLapR将多个图合并到一个正则化项中，以充分探索图p-Laplacian的互补性。具体来说，我们通过引入优化方法来在不同的p值图上分配合适的权重来构建融合图。然后，对融合后的图进行半监督学习。在UC-Merced数据集上的大量实验表明了该方法的有效性和高效性。
cs.CV
更多相关论文收起更多论文
基于神经网络的图像识别可视化正则化算法
Visualization Regularizers for Neural Network based Image Recognition
IIT Kharagpur（印度理工学院克勒格布尔分校）
深度神经网络的成功主要归功于它们从数据中学习有意义特征的能力。在计算机视觉任务中训练的深层神经网络的隐藏层中学习的特征已被证明与中级视觉特征相似。在这项工作中，我们利用这一事实，并提出了图像任务的可视化正则化。所提出的正则化技术加强了隐藏节点学习的特征的平滑性，并且是Tikhonov正则化的一个特例。与现有的正则化器（如L2范数正则化器和dropout）相比，我们在基准数据集上实现了更高的分类精度，而不会改变训练计算复杂性。
cs.CVcs.LGcs.NE
基于类层次正则化双曲嵌入的皮肤病变识别
Skin Lesion Recognition with Class-Hierarchy Regularized Hyperbolic Embeddings
Monash University（莫纳什大学）；The University of Sydney（悉尼大学）；Kāhu；The University of Queensland（昆士兰大学）；Alfred Health（阿尔弗雷德医疗）
在实践中，许多医疗数据集具有在疾病标签空间上定义的基础分类。然而，现有的分类算法的医疗诊断往往假设语义独立的标签。在这项研究中，我们的目标是利用深度学习算法的类层次结构，以实现更准确和可靠的皮肤病变识别。我们提出了一个双曲网络来学习图像嵌入和类原型。双曲线可证明提供了一个比欧几里得几何更好的建模层次关系的空间。同时，我们限制分布的双曲原型的距离矩阵，是从类层次结构编码。因此，学习的原型保留了嵌入空间中的语义类关系，我们可以通过将其特征分配给最近的双曲类原型来预测图像的标签。我们使用一个内部皮肤病变数据集，其中包括约230k皮肤镜图像65皮肤疾病，以验证我们的方法。大量的实验提供了证据，我们的模型可以达到更高的准确性，较不考虑类关系的模型，更严重的分类错误。
cs.CV
CoReFace：面向深度人脸识别的样本引导对比正则化
CoReFace: Sample-Guided Contrastive Regularization for Deep Face Recognition
East China Normal University（华东师范大学）
针对训练分类器与开放集评估不一致的问题，本文提出 CoReFace，通过嵌入增强、自适应间隔监督对比损失及新配对协议实现图像级正则化，提升人脸识别性能。
cs.AIcs.CV
规则分解空间中多维数据的层次建模：在图像分析中的应用
Hierarchical Modeling of Multidimensional Data in Regularly Decomposed Spaces: Applications in Image Analysis
这最后一个文档显示了图像分析中分层建模技术的逐步引入。第一章介绍了模式识别在工业应用领域的初步工作。第二章着重于这些技术在卫星图像中的使用，以及开发一个卫星数据存档系统，以便在数字地理学中使用这些技术。第三章是基于平面图像分析的人脸识别和部分隐藏模式的识别。本公开以描述与当前视频编码标准相关的静止或运动图像的自描述编码的未来系统而结束。正如在以前的文件中，它将被发现在附件算法针对图像分析根据两个互补的方法：-基于边界的方法，人工视觉的工业应用; -基于区域的方法，卫星图像分析。
cs.CV
用于图像识别的多项式网络的正则化
Regularization of polynomial networks for image recognition
EPFL（洛桑联邦理工学院）；Huawei UKRD（华为英国研发中心）
深度神经网络（DNN）在不同的任务中获得了令人印象深刻的性能，但它们仍然是黑箱，例如，很难从理论上分析。与此同时，多项式网络（PN）已经成为一种具有良好性能和改进的可解释性的替代方法，但尚未达到强大的DNN基线的性能。在这项工作中，我们的目标是缩小这一性能差距。我们引入了一类PN，它们能够在六个基准测试中达到ResNet的性能。我们证明了强正则化是至关重要的，并进行了广泛的研究，需要匹配性能的确切的正则化方案。为了进一步激发正则化方案，我们引入了D-PolyNets，它比以前提出的多项式网络实现了更高程度的扩展。D-PolyNets的参数效率更高，同时实现了与其他多项式网络相似的性能。我们希望我们的新模型可以导致元素的激活函数（这是不再需要训练PN）的作用的理解。源代码可在https://github.com/grigorisg9gr/regularized_polynomials上获得。
cs.CVcs.LG
图正则化非负简化四元数矩阵分解用于彩色图像识别
Graph Regularized Non-negative Reduced Biquaternion Matrix Factorization for Color Image Recognition
School of Mathematics and Statistics, Yunnan University（云南大学数学与统计学学院）
针对非负简化四元数矩阵分解忽略局部几何结构的问题，提出图正则化模型，通过引入图拉普拉斯正则化项保持局部结构，并设计分量交替投影梯度算法，在彩色图像识别中取得竞争性结果。
cs.CVcs.NAmath.NA
AON：面向语义的文本识别
AON: Towards Arbitrarily-Oriented Text Recognition
Hikvision Research Institute（海康威视研究院）；Tongji University（同济大学）；Fudan University（复旦大学）
从自然图像中识别文本是计算机视觉领域的一个研究热点，具有广泛的应用前景。尽管光学字符识别（OCR）的研究已经持续了几十年，但从自然图像中识别文本仍然是一项具有挑战性的任务。这是因为场景文本通常是不规则的（例如弯曲的，任意取向的或严重扭曲的）排列，这在文献中还没有得到很好的解决。现有的文本识别方法主要处理规则（水平和正面）文本，不能简单地推广到处理不规则文本。在本文中，我们开发了任意方向网络（AON），直接捕捉不规则文本的深层特征，并将其结合到基于注意力的解码器中以生成字符序列。整个网络可以通过仅使用图像和单词级注释进行端到端训练。在CUTE 80、SVT-Perspective、IIIT 5 k、SVT和ICDAR数据集上进行的大量实验表明，所提出的基于AON的方法在不规则数据集上达到了最先进的性能，并且与规则数据集上的主要现有方法相当。
cs.CV
TV-GAN：基于生成对抗网络的热-可见人脸识别
TV-GAN: Generative Adversarial Network Based Thermal to Visible Face Recognition
The University of Queensland（昆士兰大学）
这项工作解决了使用热成像相机传感器捕获的图像上的人脸识别任务，该传感器可以在非光照环境下工作。虽然它可以大大增加当前安全监控系统的范围和好处，但与可见光域（VLD）中的人脸识别任务相比，使用热图像执行这样的任务是一个具有挑战性的问题。这部分是由于与VLD数据相比，收集的热成像数据数量少得多。不幸的是，直接应用现有的非常强大的人脸识别模型训练使用VLD数据到热成像数据将不会产生令人满意的性能。这是由于热像和VLD像之间存在畴隙。为此，我们提出了一个热可见生成对抗网络（TV-GAN），它能够将热人脸图像转换为相应的VLD图像，同时保持身份信息，这足以让现有的VLD人脸识别模型进行识别。图1给出了一些例子。与以前的方法不同，我们提出的TV-GAN使用显式闭集人脸识别损失来正则化神经网络训练。然后，该信息将以梯度损失的形式被传送到发电机网络中。在实验中，我们表明，通过对网络使用这种额外的显式正则化，TV-GAN在翻译TV-GAN之前没有看到的人的热图像时能够保留更多的身份信息。
cs.CV
低秩SIFT：一种用于地点识别的仿射不变特征
Low-rank SIFT: An Affine Invariant Feature for Place Recognition
Hong Kong University of Science and Technology（香港科技大学）；Microsoft Research Asia（微软亚洲研究院）
在本文中，我们提出了一种新的仿射不变特征的基础上SIFT，利用人造物体的外观规则。该特征实现了完全仿射不变性，而无需在仿射参数空间上进行模拟。低秩SIFT，因为我们命名的功能，是基于我们的观察，局部倾斜，这是由相机轴方向的变化，可以通过转换本地补丁标准的低秩形式进行规范化。旋转、平移和缩放不变性可以以类似于SIFT的方式实现。作为SIFT的一种扩展，该方法通过引入先验知识来解决仿射参数估计问题，并直接将其归一化，适用于具有规则结构的对象。此外，由于最近在凸优化的突破，这样的参数可以有效地计算。我们将证明其有效性的地方识别作为我们的主要应用程序。作为额外的贡献，我们还描述了我们的管道建设地理标记的建筑物数据库从地上爬起来，以及一个有效的计划，自动特征选择。
cs.CV
通过在 Logits 空间上进行最大均值差异正则化实现公平性
Toward Fairness via Maximum Mean Discrepancy Regularization on Logits Space
University of Notre Dame（圣母大学）
本文针对以往 logits 空间约束方法的不足，提出 Logits-MMD 框架，利用最大均值差异对输出 logits 施加约束以实现公平性，并在人脸和动物数据集上验证了其优越性能。
cs.CV
人脸识别中的递归回归
Recurrent Regression for Face Recognition
Southeast University（东南大学）
为了解决图像的顺序变化，包括姿势，在本文中，我们提出了一个递归回归神经网络（RRNN）框架，统一两个经典的任务，跨姿势人脸识别静态图像和基于视频的人脸识别。为了模拟图像的变化，我们显式地构造序列图像的潜在依赖关系，从而使最终的学习模型正则化。通过对顺序相邻的图像进行渐进变换，RRNN可以自适应地记忆和忘记有利于最终分类的信息。对于静止图像的人脸识别，给定任意一幅具有任意一个姿态的图像，我们递归地预测具有其顺序姿态的图像，期望捕获其他姿态的一些有用信息。对于基于视频的人脸识别，递归回归需要一个完整的序列，而不是一个图像作为其输入。我们在静态人脸数据集MultiPIE和人脸视频数据集YouTube Celebrity（YTC）中验证了RRNN。综合实验结果证明了所提出的RRNN方法的有效性。
cs.CV
基于几何感知的高效文本识别
Geometric Perception based Efficient Text Recognition
University of Moratuwa（莫拉图瓦大学）
每个场景文本识别（STR）任务都包括文本定位和文本识别作为突出的子任务。然而，在具有固定摄像机位置的实际应用中，例如设备监视器读取、基于图像的数据录入和打印文档数据提取，底层数据往往是规则的场景文本。因此，在这些任务中，与定制的高效模型相比，使用通用的庞大模型在模型可部署性、数据隐私和模型可靠性方面具有显著的缺点。因此，本文介绍了基本的概念，理论，实现和实验结果，开发模型，这是高度专业化的任务本身，不仅实现SOTA性能，但也有最小的模型权重，较短的推理时间，和高模型的可靠性。我们引入了一种新的深度学习架构（GeoTRNet），经过训练可以识别常规场景图像中的数字，仅使用当前的几何特征，模仿人类对文本识别的感知。该代码可在https://github.com/ACRA-FL/GeoTRNet上公开获取
cs.AIcs.CV
正则划分及其在结构模式识别中的应用
Regular Partitions and Their Use in Structural Pattern Recognition
近年来的特点是前所未有的可用网络数据量，这些数据是由各种各样的互连传感器和设备以惊人的速度产生的。这种高吞吐量的一代要求开发新的有效方法来存储，检索，理解和处理大量的网络数据。在这篇论文中，我们通过引入一个框架来解决这个挑战，该框架基于Szemerédi的正则性Remma（RL）来总结大型图，该框架粗略地指出，任何足够大的图几乎可以完全划分为有界数量的随机类二分图。从RL产生的分区产生了一个总结，它继承了原始图的许多基本结构属性。我们首先扩展了RL的启发式版本，以提高其效率和鲁棒性。我们使用该算法来解决基于图的聚类和图像分割任务。在论文的第二部分中，我们介绍了一种新的启发式算法，其特点是提高了摘要质量的重建误差和噪声过滤。我们使用建议的启发式来解决图搜索问题下定义的相似性度量。最后，我们研究了正则引理、随机块模型和最小描述长度之间的联系。本研究提供一个原则性的方法，以发展一个基于随机区块模型的图分解演算法。
cs.CVcs.DS
压缩视频序列到一个信息帧的方法
Condensing a Sequence to One Informative Frame for Video Recognition
JD AI Research（京东人工智能研究院）；Singapore Management University（新加坡管理大学）
视频是复杂的，因为运动的变化很大，并且内容丰富，视觉细节很细。从这样的信息密集型媒体中提取有用的信息需要穷尽的计算资源。本文研究了一个两步的替代方案，首先压缩的视频序列的信息“帧”，然后利用现成的图像识别系统的合成帧。一个有效的问题是如何定义“有用信息”，然后将其从视频序列中提取到一个合成帧。本文提出了一种新的信息帧合成（IFS）架构，它包括三个目标任务，即，外观重建、视频分类、运动估计和两个正则化器，即，对抗性学习颜色一致性每个任务为合成帧配备一个能力，而每个正则化器增强其视觉质量。利用这些，通过以端到端的方式联合学习帧合成，期望所生成的帧封装对视频分析有用的所需时空信息。在大规模Kinetics数据集上进行了大量实验。当与将视频序列映射到单个图像的基线方法相比时，IFS显示出优越的性能。更值得注意的是，IFS在基于图像的2D网络和基于剪辑的3D网络上始终表现出明显的改进，并以更少的计算成本实现了与最先进方法相当的性能。
cs.CV
LAFS：基于 landmarks 的人脸自监督学习用于人脸识别
LAFS: Landmark-based Facial Self-supervised Learning for Face Recognition
Queen Mary University of London（伦敦玛丽女王大学）
针对无标签人脸识别，提出基于 landmarks 的自监督方法 LAFS，利用人脸关键点补丁和特定增强学习关键表示，在多个基准上显著提升性能，尤其在少样本场景。
cs.AIcs.CV
用于目标识别的域自适应神经网络
Domain Adaptive Neural Networks for Object Recognition
Victoria University of Wellington（惠灵顿维多利亚大学）
我们提出一个简单的神经网络模型来处理目标识别中的领域自适应问题。我们的模型采用最大平均离散度（MMD）作为监督学习中的正则化措施，以减少潜在空间中源域和目标域之间的分布失配。从实验中，我们证明了MMD正则化是一个有效的工具，提供良好的领域自适应模型的SURF功能和原始图像像素的特定图像数据集。我们还表明，我们提出的模型，在去噪自动编码器预训练之前，在相同的数据集上比最近的基准模型实现了更好的性能。这项工作是第一次研究的MMD措施的背景下，神经网络。
cs.AIcs.CVcs.LG
超越单纯形：用于评分器无关的开放集识别的平衡原型几何
Beyond the Simplex: Balanced Prototype Geometry for Scorer-Agnostic Open-Set Recognition
Indian Institute of Technology Jodhpur（印度理工学院乔浦尔）
本文提出平衡等范数原型几何理论，统一分析不同嵌入维度下的开放集识别，证明评分器性能依赖于评分规则而非单纯形结构。
cs.CVcs.LG
基于局部关系网络的图像识别
Local Relation Networks for Image Recognition
Microsoft Research Asia（微软亚洲研究院）；Tsinghua University（清华大学）
卷积层多年来一直是计算机视觉中的主要特征提取器。然而，卷积中的空间聚合基本上是应用固定滤波器的模式匹配过程，固定滤波器在对具有变化的空间分布的视觉元素进行建模时是低效的。本文提出了一种新的图像特征提取器，称为局部关系层，自适应地确定聚合权重的基础上的局部像素对的组成关系。通过这种关系方法，它可以以更有效的方式将视觉元素组合成更高级别的实体，从而有利于语义推理。研究发现，使用局部关系层构建的网络（称为局部关系网络（LR-Net））在大规模识别任务（如ImageNet分类）上提供了比使用常规卷积构建的网络更大的建模能力。
cs.AIcs.CVcs.LG
