Time Frequency Analysis of EMG Signal for Gesture Recognition using Fine grained Features
Wichita State University（威奇托州立大学）；University of North Texas（北得克萨斯大学）
本文提出XMANet，利用跨层互注意力融合细粒度特征，结合STFT和WT时频分析，在多个数据集上显著提升EMG手势识别准确率。
2025-04-20 cs.AI cs.CV cs.LG
Low Power Neuromorphic EMG Gesture Classification
Indian Institute of Technology Delhi（印度德里理工学院）
本文提出基于双指数自适应阈值神经元的多时间尺度递归脉冲神经网络，在Loihi芯片上实现低功耗高精度EMG手势分类，准确率达90%，神经元用量减少53%，能效和延迟较GPU分别提升983倍和19倍。
2022-06-04 cs.AR cs.CV cs.HC
S-ConvNet: A Shallow Convolutional Neural Network Architecture for Neuromuscular Activity Recognition Using Instantaneous High-Density Surface EMG Images
Université du Québec à Trois-Rivières（魁北克大学三河分校）；Concordia University（康考迪亚大学）
针对HD-sEMG图像识别中深度网络计算成本高的问题，提出S-ConvNet和All-ConvNet模型从头学习特征，在无需预训练、数据集缩小约12倍且大幅减少参数的情况下，仍取得极具竞争力的准确率，尤其适用于资源受限场景。
2019-06-08 cs.AI cs.CV cs.LG
ViT-HGR: Vision Transformer-based Hand Gesture Recognition from High Density Surface EMG Signals
Concordat University（康考迪亚大学）；Concordia Institute for Information System Engineering (CITIES)（康考迪亚信息系统工程研究所（CITIES））
最近，人们对应用深度学习（DL）模型使用表面肌电图（sEMG）信号自主地执行手势识别产生了极大的兴趣。然而，DL模型主要设计用于稀疏sEMG信号。此外，由于其复杂的结构，通常，我们面临着内存的限制，需要大量的训练时间和大量的训练样本，并有必要诉诸数据增强和/或迁移学习。在本文中，第一次（据我们所知），我们调查和设计了一个基于视觉Transformer（ViT）的架构，从高密度（HD-sEMG）信号进行手势识别。直观地说，我们利用最近的突破性作用的Transformer架构，在处理不同的复杂问题，以及其潜在的采用更多的输入并行化通过其注意力机制。所提出的基于视觉Transformer的手势识别（ViT-HGR）框架可以克服上述训练时间问题，并且可以从头开始准确地分类大量手势，而不需要任何数据增强和/或迁移学习。建议的ViT-HGR框架的效率进行评估，使用最近发布的HD-sEMG数据集组成的65等距手势。我们的实验与64个样本（31.25毫秒）窗口大小产生的平均测试精度为84.62 +/-3.07%，其中只有78210个参数被利用。所提出的基于ViT的ViT-HGR框架的紧凑结构（即，具有显著减少的可训练参数的数量）对于其用于假肢控制的实际应用显示出巨大的潜力。
2022-01-25 cs.CV cs.LG eess.SP
Effect of Analysis Window and Feature Selection on Classification of Hand Movements Using EMG Signal
Lahore University of Management Sciences (LUMS)（拉合尔管理科学大学）；Hazara University（哈扎拉大学）；Islamic University（伊斯兰大学）
肌电图（EMG）信号已经成功地用于驱动单自由度或双自由度的假肢。该原理通过使用EMG信号的幅度来决定一个或两个更简单的运动。与机械、电子和机器人技术的当代进步相比，这种方法表现不佳，而且缺乏直觉。近年来，基于模式识别（PR）的肌电控制研究在机器学习分类器的辅助下取得了可喜的成果。该方法将肌电信号划分为多个分析窗口，并对每个窗口进行特征提取。然后将这些特征作为输入馈送到机器学习分类器。通过提供多类运动和直观的控制，这种方法有可能为截肢受试者提供动力，使其能够进行日常生活运动。在本文中，我们研究了分析窗口和特征选择对不同的手和手腕运动的分类精度使用时域特征的影响。我们表明，有效的数据预处理和最佳的特征选择有助于提高手部运动的分类精度。我们使用公开可用的手和手腕姿态数据集的$40$完整的主题进行实验。使用不同的分类算法计算的结果表明，所提出的预处理和特征选择优于基线，并实现高达$98\%$的分类精度。
2020-08-11 cs.CV eess.SP
Surface EMG-Based Inter-Session/Inter-Subject Gesture Recognition by Leveraging Lightweight All-ConvNet and Transfer Learning
Université du Québec à Trois-Rivières（魁北克大学三河分校）；Concordia University（康考迪亚大学）
针对表面肌电手势识别中跨会话和跨被试数据变异导致的分布偏移问题，本文提出仅由卷积层构成的轻量级All-ConvNet+TL模型，以极低计算成本在多个数据集上超越现有复杂方法并取得最先进性能。
2024-02-19 cs.AI cs.CV cs.LG
Rapid Feature Extraction for Optical Character Recognition
North South University（北南大学）；Independent University Bangladesh（孟加拉国独立大学）；City University of Hong Kong（香港城市大学）
特征提取是字符识别的基本问题之一。字符识别系统的性能取决于正确的特征提取和正确的分类器选择。本文提出了一种快速的特征提取方法--Celled Projection（CP）方法。所提出的方法的识别性能进行了比较与其他广泛使用的特征提取方法，深入研究了许多不同的脚本在文献中。实验已经进行了使用孟加拉语手写数字与三个不同的知名的分类，表现出可比的结果，包括94.12%的识别精度，使用细胞投影。
2012-06-01 cs.CV
A feature extraction technique based on character geometry for character recognition
Amrita School of Engineering（阿姆里塔工程学院）
本文介绍了一种基于几何的特征提取技术，适用于基于分割的单词识别系统。该系统提取字符轮廓的几何特征。此功能基于构成角色骨架的基本线型。该系统给出一个特征向量作为其输出。从训练集生成的特征向量然后用于训练基于神经网络的模式识别引擎，使得可以对系统进行基准测试。
2012-02-17 cs.CV
Handwritten Character Recognition Using Unique Feature Extraction Technique
手写体字符识别是图像处理中最困难和最具吸引力的领域之一。在本文中，我们提出了一种特征提取技术，它是一个独特的几何特征，基于区域的混合，梯度特征提取方法和三个不同的神经网络，即多层感知器网络使用反向传播算法（MLP BP）的组合，使用Levenberg-Marquardt算法的多层感知器网络（MLP LM）和卷积神经网络（CNN）它与最小距离分类器（MDC）一起实现。该程序导致的结论是，所提出的特征提取算法是更准确的比它的个别同行，也是卷积神经网络是最有效的神经网络的三个考虑。
2020-01-13 cs.CV
Spatial Domain Feature Extraction Methods for Unconstrained Handwritten Malayalam Character Recognition
P M Government College（P M 政府学院）
手写体字符识别是一项积极的研究挑战，特别是对于印度文字。本文涉及手写马拉雅拉姆语，一套完整的基本字符，元音和辅音符号和复合字符，可能会出现在脚本。在这项工作中，选择适合识别的空间域特征。在分类方面，采用了k-NN、SVM和ELM
2021-09-05 cs.CV
Fast and Robust Dynamic Hand Gesture Recognition via Key Frames Extraction and Feature Fusion
University of Trento（特伦托大学）；Peking University（北京大学）；Lingxi Artificial Intelligence Co., Ltd（灵汐人工智能有限公司）
手势识别是计算机视觉和模式识别领域的一个研究热点，在自然人机界面中起着至关重要的作用。虽然近年来取得了很大的进展，快速和鲁棒的手势识别仍然是一个开放的问题，因为现有的方法没有很好地平衡的性能和效率同时。为了弥补这一不足，本文结合图像熵和密度聚类，利用手势视频中的关键帧进行进一步的特征提取，提高了识别效率。此外，还提出了一种特征融合策略，进一步改善了特征表示，提高了识别性能。为了在“野生”环境中验证我们的方法，我们还引入了两个新的数据集，称为HandGesture和HandGesture 3D数据集。实验一致表明，我们的策略在西北大学，剑桥，HandGesture和3D手势数据集上取得了有竞争力的结果。我们的代码和数据集将在https://github.com/Ha0Tang/HandGestureRecognition上发布。
2019-01-15 cs.CV
Quadratic Projection Based Feature Extraction with Its Application to Biometric Recognition
Xiamen University（厦门大学）；Xiamen University of Technology（厦门理工学院）；Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；The Hong Kong Polytechnic University（香港理工大学）
本文提出了一种新的基于二次投影的特征提取框架，其中学习一组二次矩阵来区分每个类与所有其他类。我们制定二次矩阵学习（QML）作为一个标准的半定规划（SDP）问题。然而，传统的邻域点SDP求解器不能很好地扩展到高维数据的QML问题。为了解决QML的可扩展性，我们开发了一个有效的算法，称为DualQML，基于拉格朗日对偶理论，提取非线性特征。为了评估所提出的框架的可行性和有效性，我们进行了广泛的生物识别实验。在人脸、掌纹和人耳等三个典型生物特征识别任务上的实验结果表明，基于DualQML的特征提取算法优于现有的特征提取算法
2016-03-25 cs.CV
Simultaneous Implementation Features Extraction and Recognition Using C3D Network for WiFi-based Human Activity Recognition
China University of Mining and Technology（中国矿业大学）；Xuzhou University of Technology（徐州工程学院）
人体动作识别越来越受到人们的关注。人们已经开发了许多技术来表达人类行为的特征，如图像，基于信标的，和信道状态信息（CSI）。其中，CSI由于其易于装备、对光线要求不高等特点，在一些特殊的场景中得到了越来越多的关注。然而，CSI信号与人的行为之间的关系是非常复杂的，必须做一些初步的工作，使CSI特征易于理解的计算机。目前，许多工作将基于CSI的特征行为处理分为两个部分。一部分用于特征提取和降维，另一部分用于时间序列问题。有些人甚至忽略了两部分工作中的一部分。因此，目前的识别系统的准确性远远不能令人满意。本文提出了一种新的基于深度学习的方法，即C3D网络和具有注意力机制的C3D网络，用于使用CSI信号的人体动作识别。这种网络可以同时进行空间卷积和时间卷积的特征提取，通过这种网络可以同时实现基于CSI的人体动作识别的上述两个部分。整个算法结构得到简化。实验结果表明，我们提出的C3D网络是能够实现最佳的识别性能的所有活动相比，一些基准方法。
2019-11-21 cs.CV
Global Multiple Extraction Network for Low-Resolution Facial Expression Recognition
本文提出全局多重提取网络GME-Net，通过混合注意力局部特征提取与知识蒸馏、多尺度全局特征提取相结合，解决低分辨率面部表情识别中细节缺失和全局建模不足的问题，并在多个数据集上取得优于现有方法的性能。
2025-11-08 cs.CV
A Novel Feature Extraction Method for Scene Recognition Based on Centered Convolutional Restricted Boltzmann Machines
Beijing University of Technology（北京工业大学）；University of Kansas（堪萨斯大学）
场景识别是计算机视觉领域的一个重要研究课题，而特征提取是目标识别的关键步骤。经典的受限玻尔兹曼机（RBM）虽然能够有效地表示复杂的数据，但由于其计算的复杂性，很难处理大型图像。提出了一种新的用于场景识别的特征提取方法--中心卷积限制玻尔兹曼机（CCRBM）。该模型是一种改进的卷积限制玻尔兹曼机（CRBM），通过在其学习策略中引入中心因子来减少不稳定性的来源。首先，使用中心因子重新定义网络的可见单元。然后，通过利用分布函数，用修改的能量函数来学习隐藏单元，并且使用学习的隐藏单元来重建可见单元。为了实现更好的生成能力，中心卷积深度信念网络（CCDBN）以贪婪的逐层方式进行训练。最后，结合softmax回归进行场景识别。使用自然场景，麻省理工学院室内场景和加州理工学院101数据集进行的广泛的实验评估表明，所提出的方法在稳定性，泛化和歧视方面优于其他同行。CCDBN模型由于具有卷积特性，更适合于自然场景图像识别。
2015-06-24 cs.CV
Automatic local Gabor Features extraction for face recognition
National Engineering School of Sfax（斯法克斯国立工程学院）
本文提出了一种彩色图像中人脸检测与识别的生物特征系统。人脸检测技术是基于肤色信息和模糊分类。提出了一种新的人脸特征（眼、嘴、鼻）的自动检测和几何点提取算法。这些基准点被描述为用于识别的小波分量的集合。为了实现人脸识别，我们使用了神经网络，并研究了它在不同输入下的性能。我们比较了两种类型的特征用于识别：几何距离和Gabor系数，可以单独使用或联合使用。这种比较表明，Gabor系数比几何距离更强大。我们的实验结果表明，如何识别率的重要性，使我们的系统自动人脸检测和识别的有效工具。
2009-07-28 cs.CV
Flexible Table Recognition and Semantic Interpretation System
Fraunhofer IAIS（弗劳恩霍夫智能分析和信息系统研究所）；University of Bonn（波恩大学）；University of Cologne（科隆大学）
表抽取是一个重要但尚未解决的问题。在本文中，我们介绍了一个灵活的和模块化的表提取系统。我们开发了两个基于规则的算法，执行完整的表识别过程，包括表检测和分割，并支持最常见的表格格式。此外，结合语义信息的提取，我们开发了一个基于图的表解释方法。我们对具有挑战性的表格识别基准ICDAR 2013和ICDAR 2019进行了广泛的实验，取得了与最先进方法相竞争的结果。我们完整的信息抽取系统表现出很高的F1得分为0.7380。为了支持未来的研究信息抽取从文件中，我们使资源（地面实况注释，评估脚本，算法参数）从我们的表解释实验公开。
2021-12-02 cs.CV
Object Recognition by Using Multi-level Feature Point Extraction
在本文中，我们提出了一种新的方法，通过采用多层次的特征分析，实时对象识别和证明适应特征提取到朴素贝叶斯分类框架，使简单，高效，强大的性能的实用性。我们还表明，所提出的方法规模以及水平类的数量的增长。为了有效地理解关键点周围的补丁，经过训练的分类器使用数百个简单的二进制特征和模型类后验概率。此外，在任意特征集之间的假设独立性下，分类过程在计算上是便宜的。即使对于某些特定的场景，这种假设也可能是无效的。我们证明了有效的分类器，但在图像数据集上的照明环境和图像捕获的角度有很大的变化，表现非常好。实验结果表明，该算法在许多具有挑战性的数据集上都能达到一致的精度，同时对大分辨率图像提供了交互速度。该方法证明了有前途的结果，优于国家的最先进的方法对模式识别。
2017-10-28 cs.CV
Stroke extraction for offline handwritten mathematical expression recognition
School of Mathematics, Sun Yat-Sen University（中山大学数学学院）
由于缺乏时间信息，离线手写数学表达式识别通常被认为比在线识别困难得多。为了充分利用目前比较成熟的在线识别方法并节省资源，提出了一种基于过分割的文本位图笔划自动恢复方法。该算法首先将二值化图像的骨架分解为结点和线段，然后将线段合并形成笔画，最后利用递归投影和拓扑排序对笔画顺序进行规范化。与普通的在线识别器相结合，获得了良好的离线准确率，这不是专门为提取的笔画而设计的。给定一个现成的最先进的在线手写数学表达式识别器，所提出的过程分别正确识别了2014年，2016年和2019年在线手写数学表达式识别竞赛（CROHME）数据集的58.22%，65.65%和65.22%的离线公式。此外，给定一个可训练的在线识别系统，用提取的笔画对其进行再训练，可以得到具有相同准确度的离线识别器。另一方面，整个流水线的速度足够快，可以在资源有限的手机上进行设备识别。综上所述，笔划提取为构建光学字符识别软件提供了一种有吸引力的方法。
2020-01-16 cs.CV
Automatic facial feature extraction and expression recognition based on neural network
本文提出了一种从静止的正面图像中自动提取人脸特征提取，并对人脸表情进行分类和识别的方法。前馈反向传播神经网络被用作分类器，用于将所提供的面部表情分类为七个基本类别，如惊讶、中性、悲伤、厌恶、恐惧、高兴和愤怒。对于面部分割和定位，使用形态学图像处理操作。利用SUSAN边缘检测算子、人脸几何学、边缘投影分析提取眉毛、眼睛、嘴巴和鼻子等永久性人脸特征。在JAFFE人脸表情数据库上进行了实验，训练集的准确率为100%，测试集的准确率为95.26%。
2012-04-10 cs.CV
Feature-Based Dual Visual Feature Extraction Model for Compound Multimodal Emotion 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）；Tianjin Normal University（天津师范大学）
针对第八届ABAW竞赛复合情绪识别的不确定性与模态冲突问题，提出融合ViT与ResNet特征的多模态识别方法，在C-EXPR-DB等数据集上取得更优性能。
2025-03-21 cs.CV
Manipulated Object Proposal: A Discriminative Object Extraction and Feature Fusion Framework for First-Person Daily Activity Recognition
检测和识别与人类交互的对象是第一人称（自我中心）日常活动识别的中心。然而，由于噪声摄像机运动和频繁的变化，在视点和规模，以前的大多数自我中心的动作识别方法无法捕捉和建模高度区分对象的功能。在这项工作中，我们提出了一种新的管道第一人称日常活动识别，旨在更具鉴别力的对象特征表示和对象运动特征融合。我们的对象特征提取和表示管道受到最近成功的对象假设和基于深度卷积神经网络的检测框架的启发。我们的主要贡献是一个简单而有效的操纵对象的建议生成方案。该方案利用运动线索，如运动边界和运动幅度（相比之下，相机运动通常被认为是“噪声”的大多数以前的方法），以生成一个更紧凑和有区别的一组对象的建议，这是更密切相关的对象被操纵。然后，我们从这些基于区域的卷积神经网络（R-CNN）的操纵对象的建议学习更多的歧视性对象检测器。同时，我们开发了一个基于网络的特征融合方案，更好地结合了对象和运动特征。我们在实验中表明，所提出的框架显着优于国家的最先进的识别性能上具有挑战性的第一人称日常活动基准。
2016-05-31 cs.CV
DIFEM: Key-points Interaction based Feature Extraction Module for Violence Recognition in Videos
Indian Institute of Information Technology Allahabad（印度阿拉哈巴德信息技术学院）
本文提出DIFEM模块，利用人体骨骼关键点捕捉暴力行为的动态特征，如关节快速运动和接近性，通过轻量级方法实现高效暴力识别，实验表明其在三个标准数据集上表现优异。
2026-03-28 cs.CV
Facial Expression Recognition using Facial Landmark Detection and Feature Extraction via Neural Networks
National Institute of Technology Karnataka（卡纳塔克国立理工学院）
本文提出的框架的主要目标是对人的面部表情进行分类。这些可分类的表情可以是六种普遍情绪中的任何一种，以及中性情绪。在执行初始面部定位之后，应用面部界标检测和特征提取，其中界标被确定为基准特征：眉毛、眼睛、鼻子和嘴唇。这主要是使用最先进的面部标志检测算法以及分别使用Sobel滤波器和Shi Tomasi角点检测方法的传统边缘和角点检测方法来完成的。这导致生成使用欧几里德距离公式化的输入特征向量，并将其训练到多层感知器（MLP）神经网络中，以便对正在显示的表情进行分类。所取得的成果进一步处理了某些情绪的高度一致性和表达的固有主观性。
2020-07-15 cs.CV
Online Learnable Keyframe Extraction in Videos and its Application with Semantic Word Vector in Action Recognition
University of Alberta（阿尔伯塔大学）
视频处理由于其在视频摘要、动作识别等方面的各种应用，已经成为计算机视觉中的热门研究方向。最近，基于深度学习的方法在动作识别方面取得了令人瞩目的成果。然而，这些方法需要处理完整的视频序列来识别动作，即使这些帧中的大多数是相似的并且对于识别特定动作是不必要的。此外，这些不必要的帧增加了计算成本，并可能混淆动作识别中的方法。相反，被称为关键帧的重要帧不仅有助于动作的识别，而且还可以减少用于分类或其他应用（例如摘要）的每个视频序列的处理时间。同样，视频处理中的当前方法尚未以在线方式展示。基于上述原因，我们提出了一个在线学习的关键帧提取模块。该模块可用于选择视频中的关键镜头，从而可应用于视频摘要。提取的关键帧可用作任何基于深度学习的分类模型的输入以识别动作。我们还提出了一个插件模块，使用语义词向量作为输入，以及关键帧和一种新的训练/测试策略的分类模型。据我们所知，这是第一次提出这样的在线模块和训练/测试策略。在视频摘要和动作识别中的许多常用数据集上的实验结果表明，使用所提出的模块取得了令人印象深刻的结果。
2020-09-25 cs.CV
Point-cloud-based place recognition using CNN feature extraction
Hong Kong University of Science and Technology（香港科技大学）
本文提出了一种新的基于点云的地点识别系统，该系统采用深度学习方法进行特征提取。通过使用在彩色图像上预训练的卷积神经网络来从范围图像中提取特征，而无需对额外范围图像进行微调，与使用手工制作的特征相比，已经观察到显著的改进。所得到的系统是光照不变，旋转不变和鲁棒性对移动对象无关的地方身份。除了系统本身，我们还为社区带来了一个新的地方识别数据集，包含点云和灰度图像，涵盖了完整的$360^\circ$环境视图。此外，数据集的组织方式，它有利于实验验证旋转不变性或鲁棒性对无关的移动对象分开。
2018-10-23 cs.CV cs.RO
Discriminative Autoencoder for Feature Extraction: Application to Character Recognition
Indraprastha Institute of Information Technology（因德拉普拉斯信息技术学院）
传统上，自动编码器是无监督的表示学习工具。在这项工作中，我们提出了一种新的判别式自动编码器。监督判别学习的使用确保了学习的表示对于图像数据集中通常遇到的变化是鲁棒的。以基本的判别式自编码器为单元，建立了一个堆栈结构，旨在从训练数据中提取相关的表示。我们的特征提取算法的效率，即使是简单的分类方案，如KNN（K-最近邻），确保了高的分类精度。我们通过在字符/图像识别的标准数据集上进行实验，并随后与现有的监督式深度架构（如类稀疏堆叠自动编码器和判别式深度信念网络）进行比较，证明了我们的模型在表示学习方面的优越性。
2019-12-11 cs.CV cs.LG
Real-Time Online Skeleton Extraction and Gesture Recognition on Pepper
Softbank Robotics Europe（软银机器人欧洲公司）；INSA, University of Lyon（里昂大学国立应用科学学院）
我们提出了一个简单的手势识别的多级流水线。我们方法的新颖之处在于不同技术的结合，从而产生了迄今为止第一个实时的【形】系统，可以在Pepper机器人上联合提取骨架并识别手势。为了完成这项任务，Pepper增加了一个嵌入式GPU，用于运行深度CNN和一个鱼眼摄像头来捕捉整个场景的交互。我们在这篇文章中表明，真实情况下的场景是具有挑战性的，最先进的方法很难处理未知的人类手势。我们在这里提出了一种处理这种情况的方法。
2022-06-22 cs.CV cs.RO
Combining Multiple Feature Extraction Techniques for Handwritten Devnagari Character Recognition
Meghnad Saha Institute of Technology（梅格纳德·萨哈技术学院）；Jadavpur University（贾达普大学）
在本文中，我们提出了一个OCR手写Devnagari字符。基本符号由神经分类器识别。我们使用了四种特征提取技术，即相交、阴影特征、链码直方图和直线拟合特征。对字符图像全局计算阴影特征，通过对字符图像进行分段计算相交特征、链码直方图特征和直线拟合特征。加权多数表决技术被用于组合从四个多层感知器（MLP）的分类器获得的分类决策。在对4900个样本的数据集进行实验时，观察到的总体识别率为92.80%，因为我们考虑了前五个选择结果。该方法与其他最近的方法相比，手写Devnagari字符识别，它已被观察到，这种方法比其他方法有更好的成功率。
2010-05-21 cs.AI cs.CV
Multi-Modal Character Localization and Extraction for Chinese Text Recognition
本文提出LER方法，通过解耦字符并考虑中文复杂结构，提升中英文文本识别性能，实验表明在大规模中文和英文基准上均取得显著成果。
2026-03-14 cs.AI cs.CV
License Plate Recognition with Compressive Sensing Based Feature Extraction
University of Montenegro（黑山大学）
车牌识别是许多自动交通控制系统的关键组成部分。它可以在许多应用中自动识别车辆。这样的系统必须能够从各种条件下拍摄的图像中识别车辆，包括低光、雨、雪等。为了降低这种设备所需硬件的复杂性和成本，算法应该尽可能高效。提出了一种基于压缩感知技术的车牌图像降维和特征提取方法。简化将使得能够用更少的训练数据进行精确分类，同时要求更少的计算能力。在提取特征的基础上，采用支持向量机分类器进行字符识别和分类。
2019-02-07 cs.CV cs.MM eess.SP
A Classical Approach to Handcrafted Feature Extraction Techniques for Bangla Handwritten Digit Recognition
Hajee Mohammad Danesh Science and Technology University（哈吉·穆罕默德·达内什科技大学）
孟加拉语手写数字识别是孟加拉语OCR发展的重要一步。然而，孟加拉数字复杂的形状，结构相似性和独特的组成风格使其相对难以区分。因此，在本文中，我们对四种严格的分类器进行了基准测试，以识别孟加拉语手写数字：K最近邻（KNN），支持向量机（SVM），随机森林（RF）和基于三种手工特征提取技术的强制提升决策树（GBDT）：四个公开可用的孟加拉语手写数字数据集上的定向特征直方图（HOG），局部二进制模式（LBP）和Gabor滤波器：NumtaDB、CMARTdb、Ekush和BDRW。在这里，手工特征提取方法用于从数据集图像中提取特征，然后利用这些特征来训练机器学习分类器以识别孟加拉语手写数字。我们进一步微调了分类算法的超参数，以便从这些算法中获得最好的孟加拉语手写数字识别性能，并且在我们采用的所有模型中，HOG特征结合SVM模型（HOG+SVM）在所有数据集上获得了最佳性能指标。HOG+SVM方法在NumtaDB、CMARTdb、Ekush和BDRW数据集上的识别准确率分别达到93.32%、98.08%、95.68%和89.68%，并将模型性能与最新的最先进方法进行了比较。
2022-01-25 cs.CV cs.LG
Feature selection for gesture recognition in Internet-of-Things for healthcare
University of Padova（帕多瓦大学）；National Center of Neurology and Psychiatry（国立精神·神经医疗研究中心）
物联网正在包括医疗保健在内的多个领域迅速蔓延，提出了与通信能力、能源效率和传感器不显眼相关的问题。特别地，在手势识别的上下文中，例如，在抓取不同物体时，大脑和肌肉活动可以分别通过EEG和EMG同时记录，并进行分析以识别正在完成的手势及其表现的质量。本文提出了一种新的算法，其目的是（i）鲁棒地提取最相关的特征来分类不同的抓取任务，（ii）保留所选特征的自然含义。这反过来又提供了简化记录设置的机会，以最小化通信网络（包括互联网）上的数据流量，并为医学解释提供生理上重要的特征。该算法的鲁棒性是通过一致性聚类作为特征选择策略，并通过嵌套的交叉验证方案来评估其分类性能。
2020-05-22 cs.CV cs.LG eess.SP
Micro-expression Recognition Based on Dual-branch Feature Extraction and Fusion
China University of Petroleum (Beijing) Karamay Campus（中国石油大学（北京）克拉玛依校区）
本文提出双分支特征提取与融合网络，通过残差网络、Inception网络和自适应融合模块提升微表情识别准确率，实验显示在CASME II数据集上达到74.67%的准确率。
2026-02-27 cs.AI cs.CV
Surgical Gesture Recognition Based on Bidirectional Multi-Layer Independently RNN with Explainable Spatial Feature Extraction
微创手术主要由一系列子任务组成，这些子任务可以分解为基本的手势或上下文。手术手势识别是手术机器人自主操作的前提，它可以辅助运动规划和决策，建立上下文感知知识，提高手术机器人的控制质量。在这项工作中，我们的目标是开发一个有效的手术手势识别方法与可解释的特征提取过程。本文提出了一种双向多层独立RNN（BML-indRNN）模型，并通过对基于VGG架构构建的深度卷积神经网络（DCNN）模型进行微调来实现空间特征提取。为了消除DCNN的黑盒效应，采用了梯度加权类激活映射（Grad-CAM）。它可以通过示出与手术姿势分类结果具有强关系的手术图像的区域来提供可解释的结果。所提出的方法进行了评估的基础上，从公共可用的JIGSAWS数据库中获得的数据的重复性任务。进行了比较研究，以验证拟议的框架。实验结果表明，该方法对机器人任务的测试准确率为87.13%，优于大多数现有算法。
2021-05-02 cs.CV cs.RO
Robustness-enhanced Myoelectric Control with GAN-based Open-set Recognition
IoT Thrust, Information Hub, The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）物联网方向、信息中心）；School of Automation & Electrical Engineering, University of Science and Technology Beijing（北京科技大学自动化与电气工程学院）
针对肌电控制易受噪声与陌生动作影响的问题，提出基于GAN的开集识别框架，利用判别器拒绝未知动作以维持系统稳定，实验表明已知动作识别准确率达97.6%且主动错误率提升23.6%，适用于边缘设备部署。
2025-05-29 cs.CV cs.HC eess.SP
IMUTube: Automatic Extraction of Virtual on-body Accelerometry from Video for Human Activity Recognition
Georgia Institute of Technology（佐治亚理工学院）；University of Oxford（牛津大学）
缺乏大规模的标记数据集阻碍了为基于身体传感器的人类活动识别（HAR）开发鲁棒和广义预测模型的进展。由于传感器数据汇集成本高、标注耗时且容易出错，人类活动识别中的标注数据稀缺且难以获得。为了解决这个问题，我们引入了IMUTube，这是一种自动化处理管道，它集成了现有的计算机视觉和信号处理技术，将人类活动的视频转换为IMU数据的虚拟流。这些虚拟IMU流表示人体上各种位置处的加速度测量。我们展示了虚拟生成的IMU数据如何提高已知HAR数据集上各种模型的性能。我们的初步结果非常有希望，但这项工作的更大希望在于计算机视觉，信号处理和活动识别社区的集体方法，以我们概述的方式扩展这项工作。这将导致基于传感器的人体HAR成为大数据集识别突破的又一个成功案例。
2020-08-04 cs.CV eess.IV
Investigation of event-based memory surfaces for high-speed tracking, unsupervised feature extraction and object recognition
Biomedical Engineering and Neuroscience Program, The MARCS Institute for Brain, Behaviour, and Development, Western Sydney University（西悉尼大学MARCS脑、行为与发展研究所生物医学工程与神经科学项目）
在本文中，我们比较了基于事件的衰减和基于时间的衰减的内存表面高速基于事件的跟踪，特征提取，并使用基于事件的相机的对象分类。高速识别任务涉及到检测和分类的模型飞机下降徒手接近相机镜头，以便生成一个具有挑战性的数据集，表现出显着的差异，目标速度。这种差异促使调查基于事件的衰减记忆表面相比，基于时间的衰减记忆表面捕捉的时间方面的基于事件的数据。这些表面然后被用于执行无监督的特征提取、跟踪和识别。为了生成存储器表面，研究了事件分箱、线性衰减内核和指数衰减内核，发现指数衰减内核表现最好。基于事件的衰减记忆表面被发现优于基于时间的衰减记忆表面的识别，特别是当不变性的目标速度的要求。一系列的网络和感受野的大小进行了调查。该系统实现了98.75%的识别准确率在156毫秒内的飞机进入视野，使用只有25个基于事件的特征提取神经元串联线性分类器。通过比较线性分类器的结果，ELM分类器，我们发现，少量的基于事件的特征提取器可以有效地投影数据集的复杂的时空事件模式，以几乎线性可分离的表示在特征空间。
2017-11-08 cs.CV cs.NE
StrideNET: Swin Transformer for Terrain Recognition with Dynamic Roughness Extraction
Rajiv Gandhi Institute of Technology, University of Mumbai（孟买大学拉吉夫·甘地理工学院）
StrideNET利用双分支Transformer架构，结合Swin Transformer和动态粗糙度提取，实现高精度地形识别，平均测试准确率超99%。
2024-09-19 cs.CV cs.LG
Visual Feedback of Pattern Separability Improves Myoelectric Decoding Performance of Upper Limb Prostheses
Department of Electrical Engineering, The Johns Hopkins University（电气工程系，约翰霍普金斯大学）；Infinite Biomedical Technologies, LLC.（无限生物医学技术公司）
针对上肢肌电假肢用户难以生成独特EMG模式影响分类的问题，提出3D可视化界面Reviewer，将信号投射到解码器分类空间提供实时反馈，经12人10 session实验验证可显著提升PR控制性能。
2025-05-16 cs.CV cs.HC cs.LG
Key-value information extraction from full handwritten pages
TEKLIA（TEKLIA公司）；LITIS（LITIS实验室）；Normandy University（诺曼底大学）
提出一种融合特征提取、手写识别与命名实体识别的 Transformer 模型，可直接处理完整手写页面并利用键值标注学习，在 IAM、ESPOSALLES 和 POPP 上均取得最优性能。
2023-04-26 cs.AI cs.CV cs.IR
Full Page Handwriting Recognition via Image to Sequence Extraction
Turnitin（Turnitin公司）
我们提出了一个基于神经网络的手写文本识别（HTR）模型架构，可以训练识别整页的手写或打印文本，而无需图像分割。基于图像到序列架构，它可以提取图像中存在的文本，然后正确地对其进行排序，而不对文本和非文本的方向，布局和大小施加任何约束。此外，它还可以被训练来生成与格式、布局和内容相关的辅助标记。我们使用字符级词汇，从而使任何主题的语言和术语。该模型实现了一个新的国家的最先进的段落级识别的IAM数据集。当对真实世界的手写自由形式测试答案进行扫描时-被弯曲和倾斜的线条，图纸，表格，数学，化学和其他符号包围-它的性能优于所有商用HTR云API。它作为商业Web应用程序的一部分部署在生产中。
2022-06-26 cs.AI cs.CL cs.CV
