Kernel Inversed Pyramidal Resizing Network for Efficient Pavement Distress Recognition
Chongqing University（重庆大学）；San Diego State University（圣地亚哥州立大学）；University of Colorado at Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校）
路面破损识别（PDR）是路面检测中的重要步骤，可以通过基于图像的自动化来加快过程并降低劳动力成本。路面图像通常是高分辨率的，其中受损区域与非受损区域的比率较低。先进的方法通过将图像划分为小块来利用这些属性，并在尺度空间中探索有区别的特征。然而，这些方法通常遭受信息丢失期间的图像和低效率，由于复杂的学习框架。在本文中，我们提出了一种新的和有效的方法PDR。提出了一种用于图像分类的核反金字塔缩放网络（KIPRN），它可以作为预网络灵活地插入到图像分类网络中，以利用分辨率和尺度信息。在KIPRN中，金字塔卷积和内核逆卷积被专门设计用于在不同的特征粒度和尺度上挖掘判别信息。挖掘的信息被传递到调整大小的图像，以产生信息图像金字塔，以辅助用于PDR的图像分类网络。我们将我们的方法应用于三个著名的卷积神经网络（CNN），并进行了评估的大规模路面图像数据集命名为CQU-BPDD。大量的结果表明，KIPRN可以普遍提高这些CNN模型的路面破损识别，并表明KIPRN和EfficientNet-B3的简单组合显着优于最先进的基于块的方法在性能和效率。
2022-12-04 cs.AI cs.CV
Vesselness features and the inverse compositional AAM for robust face recognition using thermal IR
Université Laval（拉瓦尔大学）；Deakin University（迪肯大学）
在过去的十年中，红外（IR），特别是热红外成像为基础的人脸识别已经成为一个有前途的补充，传统的，可见光谱为基础的方法，继续挣扎时，在现实世界中应用。虽然固有地对可见光谱照明变化不敏感，但IR图像引入了其自身的特定挑战，最显著的是对影响面部热发射模式的因素的敏感性，例如情绪状态、环境温度和酒精摄入。此外，面部表情和姿态变化更难以在IR图像中校正，因为它们在高频细节中不太丰富，而高频细节是拟合任何可变形模型的重要线索。我们描述了一种解决这些挑战的新方法。为了归一化姿势和面部表情的变化，我们从任意姿势和面部表情的面部图像生成一个标准的、中性的面部表情的面部的合成正面图像。这是通过遵循主动外观模型（AAM）拟合的分段仿射变形来实现的。这是第一个出版物，探讨了使用AAM对热红外图像;我们提出了一个预处理步骤，增强了热图像的细节，使AAM收敛更快，更准确。为了克服的问题，热红外图像的面部温度发射的模式的敏感性，我们描述了一种表示基于可靠的解剖特征。与以前的方法相比，我们的表示不是二进制的;相反，我们的方法考虑了提取特征的可靠性。这使得所提出的表示对姿势和尺度变化都更加鲁棒。最大的公共数据库上的热红外图像的人脸，它实现了100%的识别，显着优于以前的方法证明了所提出的方法的有效性。
2013-06-07 cs.CV
Inverse Projection Representation and Category Contribution Rate for Robust Tumor Recognition
Henan University（河南大学）；University of Florida（佛罗里达大学）
基于稀疏表示的分类方法已经取得了显著的效果。然而，SRC仍然遭受需要足够的训练样本，测试样本的使用不足和不稳定的代表性。本文提出了一种稳定的基于逆投影表示的分类方法（IPRC），通过有效地利用测试样本来解决这些问题。首次提出了一种知识产权制度，并分析了其可行性和稳定性。构造了类别贡献率的分类准则，以匹配知识产权和完全分类。此外，引入了一个统计措施来量化的稳定性表示为基础的分类方法。基于IPRC技术，通过解释微阵列基因表达数据，提出了一个强大的肿瘤识别框架，其中引入了两阶段杂交基因选择方法来选择信息基因。最后对候选致病相关基因进行了功能分析。在六个公开的肿瘤微阵列基因表达数据集上的实验表明，该技术与现有技术相比具有竞争力。
2019-06-27 cs.CV cs.LG q-bio.QM
Fusion of Wavelet Coefficients from Visual and Thermal Face Images for Human Face Recognition - A Comparative Study
Tripura University（特里普拉大学）；Jadavpur University（贾达沃普尔大学）
在本文中，我们提出了一个比较研究的融合视觉和热图像使用不同的小波变换。在这里，从视觉和热图像的离散小波变换的系数分别计算和组合。然后对融合后的人脸图像进行离散小波逆变换，得到融合后的人脸图像。Haar和Daubechies（db2）小波变换已被用来比较识别结果。对于实验，使用IRIS热/视觉人脸数据库。使用Haar和Daubechies小波的实验结果表明，这里提出的方法的性能在许多情况下达到100%的最大成功率。
2010-07-05 cs.CV
Handwritten Mathematical Expression Recognition via Attention Aggregation based Bi-directional Mutual Learning
Beijing Institute of Technology（北京理工大学）；Tencent（腾讯）
手写数学表达式识别的目的是从给定的图像自动生成LaTeX序列。目前，基于注意力的编码器-解码器模型被广泛用于此任务。它们通常以从左到右（L2 R）的方式生成靶序列，而不利用从右到左（R2 L）的上下文。本文提出了一种基于注意力聚合的双向互学习网络（ABM），它由一个共享的编码器和两个并行的逆解码器（L2 R和R2 L）组成。这两个解码器通过相互蒸馏来增强，这涉及在每个训练步骤中一对一的知识转移，充分利用来自两个相反方向的互补信息。此外，为了处理不同尺度的数学符号，提出了一个注意力聚合模块（AAM），以有效地整合多尺度覆盖的注意力。值得注意的是，在推理阶段，考虑到模型已经从两个相反的方向学习知识，我们只使用L2 R分支进行推理，保持原始参数大小和推理速度。大量的实验表明，我们提出的方法在CROHME 2014上实现了56.85%的识别准确率，在CROHME 2016上实现了52.92%，在CROHME 2019上实现了53.96%，而无需数据增强和模型集成，大大优于最先进的方法。源代码可以在https://github.com/XH-B/ABM上找到。
2022-02-23 cs.AI cs.CV cs.LG
Unsupervised Feature Learning for Event Data: Direct vs Inverse Problem Formulation
University of Zurich（苏黎世大学）
基于事件的相机记录每个像素亮度变化的异步流。因此，与标准的基于帧的相机相比，它们具有许多优点，包括高时间分辨率、高动态范围和无运动模糊。由于事件数据的异步性质，高效学习事件数据的紧凑表示是具有挑战性的。虽然它仍然没有探索的空间和时间事件的“信息”是有用的模式识别任务的程度。在本文中，我们专注于单层架构。我们分析了两个一般问题配方的性能：直接和逆，从本地事件数据（在时空中描述的事件的本地卷）的无监督特征学习。我们确定并显示每种方法的主要优势。理论上，我们分析了最优解的保证，异步的可能性，并行参数更新，和计算复杂性。我们提出了物体识别的数值实验。我们评估下的正问题和反问题的解决方案，并与国家的最先进的方法进行比较。我们的实证结果突出了这两种方法的优势，从事件数据的表示学习。与同类方法中最先进的方法相比，我们的识别准确率提高了9%。
2020-09-30 cs.AI cs.CV cs.LG
Zero-Shot Recognition through Image-Guided Semantic Classification
National Taiwan Normal University（国立台湾师范大学）
我们提出了一个新的基于嵌入的零样本学习（ZRL）框架。大多数基于嵌入的方法旨在学习图像分类器（视觉表示）和每个类的类原型（语义表示）之间的对应关系。受多标签分类的二进制相关性方法的启发，我们提出了反向学习图像和语义分类器之间的映射。给定输入图像，所提出的图像引导语义分类（IGSC）方法创建标签分类器，应用于所有标签嵌入，以确定标签是否属于输入图像。因此，语义分类器是图像自适应的，并且是在推理期间生成的。IGSC在概念上很简单，可以通过对现有的深层分类架构进行轻微增强来实现;但它是有效的，并且在标准基准测试中优于最先进的基于嵌入的广义GML方法。
2020-07-23 cs.CV
Pattern Inversion as a Pattern Recognition Method for Machine Learning
Institute for Control Problems, Russian Academy of Sciences（俄罗斯科学院控制问题研究所）
人工神经网络使用大量的系数，这些系数需要大量的计算能力来进行调整，特别是如果采用深度学习网络的话。然而，存在系数免费的非常快速的索引为基础的技术，例如，在谷歌搜索引擎，在基因组测序等，本文讨论了使用索引为基础的方法进行模式识别。它示出，对于模式识别应用程序，这样的索引方法取代与逆模式的完全倒排文件，这是典型地采用在搜索引擎。这种反演不仅提供自动特征提取，这是深度学习的区别标志，而且与深度学习不同，模式反演支持几乎瞬时的学习，这是系数缺失的结果。本文讨论了一种新的模式变换及其在无监督即时学习中的应用。例子展示了一个视角独立的三维物体，如汽车，对任意背景的识别，飞机发动机的剩余使用寿命的预测，和其他应用。总之，值得注意的是，在神经生理学中，新皮质微柱的功能自1957年以来一直受到广泛的争论。本文假设，在数学上，皮质微柱可以被描述为一个逆模式，物理上作为一个连接乘数扩大关联的输入与相关的模式类。
2021-08-15 cs.CV cs.LG cs.NE
Fusion of Daubechies Wavelet Coefficients for Human Face Recognition
Tripura University（特里普拉大学）；Jadavpur University（贾达普大学）
本文提出了在小波变换域中对可见光图像和热图像进行融合的方法。这里，将Daubechies小波变换（称为D2）、来自视觉的系数和以相同方式从热图像中计算的相应系数组合起来以获得融合系数。在分解到第五级（Level 5）之后，完成系数的融合。这些系数的逆Daubechies小波变换给我们融合的人脸图像。使用小波变换的主要优点是，它非常适合于管理不同的图像分辨率，并允许在不同类型的系数中分解图像，同时保留图像信息。融合的图像，从而找到通过主成分分析（PCA）的维度减少，然后这些减少融合图像分类使用多层感知器。对于实验，使用IRIS热/视觉人脸数据库。实验结果表明，这里提出的方法的性能在许多情况下达到100%的最大成功率。
2010-07-05 cs.CV
Diffusion in the Dark: A Diffusion Model for Low-Light Text Recognition
Stanford University（斯坦福大学）
捕获图像是高级任务（如场景文本识别）自动化的关键部分。低光照条件对高级感知堆栈提出了挑战，这些堆栈通常在光照良好、无伪影的图像上进行优化。低光图像的重建方法可以产生光线充足的图像，但通常以牺牲对下游任务至关重要的高频细节为代价。我们提出了一种用于文本识别的低亮度图像重建的扩散模型--黑暗中的扩散（DiD）。DiD提供了与最先进的（SOTA）具有质量竞争力的重建，同时即使在非常嘈杂、黑暗的条件下也能保留高频细节。我们证明了DiD在没有任何特定任务优化的情况下，在真实图像的低光照文本识别中可以胜过SOTA低光照方法，从而增强了扩散模型解决不适定逆问题的潜力。
2023-10-31 cs.CV eess.IV
Top-Down Unsupervised Image Segmentation (it sounds like oxymoron, but actually it is not)
模式识别通常被认为是两个反向图像处理流的交互：自下而上的信息细节收集和定位（分割）流，以及自上而下的信息特征聚合，关联和解释（识别）流。受生物视觉研究的最新证据和Kolmogorov复杂性理论的启发，我们提出了一个新的，自上而下的初始图像分割过程。我们认为，传统的自上而下的认知推理，这是应该引导分割过程的最终结果，是不是在所有的图像信息内容评估的一部分。初始图像分割当然是一个无监督的过程。我们提出了一些说明性的例子，支持我们的主张。
2005-03-01 cs.CV cs.IR
Clean Images are Hard to Reblur: Exploiting the Ill-Posed Inverse Task for Dynamic Scene Deblurring
Seoul National University（首尔国立大学）；NVIDIA（英伟达）
动态场景去模糊的目的是去除给定图像中的运动模糊。典型的基于学习的方法通过最小化输出和参考清晰图像之间的L1或L2距离来实现其解决方案。最近的尝试在训练中采用视觉识别特征来提高感知质量。然而，这些功能主要用于捕获高级上下文，而不是低级结构（如模糊）。相反，我们提出了一种更直接的方法，使图像更清晰，利用逆任务的去模糊，即，重新模糊。重新模糊放大剩余的模糊以重建原始模糊，然而，具有零幅度模糊的良好去模糊的干净图像很难重新模糊。因此，我们设计了两种类型的再模糊损失函数，以更好地去模糊。训练阶段的监督再模糊损失比较去模糊图像和清晰图像之间的放大模糊。在推理阶段的自监督再模糊损失检查在去模糊中是否存在明显的模糊。我们在大规模基准测试和真实图像上的实验结果证明了再模糊损失在改善去模糊图像的NIQE和LPIPS分数以及视觉锐度方面的感知质量方面的有效性。
2022-04-02 cs.CV eess.IV
Image-Scale Robustness and Visual Recognition Performance: A Cross-Architecture Analysis
本研究通过分析20个预训练ImageNet-1K分类器，发现尺度鲁棒性主要由基线识别精度决定，而非模型大小或架构家族，并提出了特征尺度作为量化指标。
2026-09-09 cs.AI cs.CV
Controllable Inversion of Black-Box Face Recognition Models via Diffusion
ETH Zurich（苏黎世联邦理工学院）
针对黑盒人脸识别模型反演难题，提出ID3PM，利用条件去噪扩散在无身份特定损失下生成高质量、多样且身份保持的人脸，并首次实现生成过程的直观控制。
2023-09-30 cs.CV cs.GR cs.LG
Zero-Shot SAM2 Segmentation and Vision Transformer-Based Recognition of Elamite Cuneiform Symbols from Degraded Tablet Images
Vellore Institute of Technology（韦洛尔理工学院）；Indian Institute of Technology（印度理工学院）；WestCliff University（韦斯特克利夫大学）；York St John University（约克圣约翰大学）；Norwegian University of Science and Technology（挪威科技大学）
针对破损泥板埃兰楔形文字识别的信号退化与类别不平衡问题，提出EpigraphNet分割引导Transformer流水线，在基准测试中准确率优于多种主流模型，实现高效均衡的符号识别。
2026-08-20 cs.CV cs.HC
Persistent feature reconstruction of resident space objects (RSOs) within inverse synthetic aperture radar (ISAR) images
University of Birmingham（伯明翰大学）
本研究提出利用亚THz ISAR成像与传感系统，通过顺序特征检测和跟踪实现居民空间物体的持续特征重建，提升空间领域意识的检测精度与鲁棒性。
2025-12-17 cs.CV eess.SP
