Collaborative Representation Classification Ensemble for Face Recognition
Korea University（高丽大学）
协作表示分类（CRC）人脸识别方法由于其良好的识别性能和快速的识别速度，近年来受到了广泛的关注。与稀疏表示分类（SRC）相比，CRC以10-1000倍的速度实现了相当的识别性能。在本文中，我们建议集成几个CRC模型，以提高识别率，其中每个CRC模型使用不同的和发散的随机生成的生物启发的功能作为人脸表示。该集成算法根据CRC分类规则为每个CRC模型计算集成权重。所获得的权重反映了那些CRC模型的置信度，其中更置信的CRC模型具有更大的权重。所提出的加权集成方法被证明是非常有效的，并提高了每个CRC模型的性能显着。大量的实验表明，所提出的方法的优越性能。
2015-07-29 cs.CV
Deep Attentional Structured Representation Learning for Visual Recognition
EPFL（洛桑联邦理工学院）
结构化表示，如Bags of Words，VLAD和Fisher Vectors，已被证明在处理复杂的视觉识别任务方面非常有效。因此，它们最近已被纳入深度架构中。然而，虽然有效，但由此产生的深度结构化表示学习策略通常会从整个图像中聚合局部特征，忽略了这样一个事实，即在复杂的识别任务中，某些区域提供比其他区域更多的区分信息。在本文中，我们引入了一个注意结构化的表示学习框架，它在聚合过程中引入了图像特定的注意力机制。我们的框架学习以端到端的方式联合预测图像类标签和注意力地图，并且除了目标标签之外没有任何其他监督。正如我们的实验所证明的那样，这始终优于注意力较少的结构化表示学习，并在标准场景识别和细粒度分类基准上产生最先进的结果。
2018-05-14 cs.CV
Projecting Points to Axes: Oriented Object Detection via Point-Axis Representation
Institute of Artificial Intelligence and Robotics, Xi’an Jiaotong University（西安交通大学人工智能与机器人研究所）；School of Software Engineering, Xi’an Jiaotong University（西安交通大学软件学院）
该研究提出用于旋转目标检测的点-轴表示，解耦位置与旋转以解决传统方法的损失不连续问题，设计对应损失函数实现无额外标注的优化，构建Oriented DETR模型实现端到端检测，显著提升检测性能。
2024-07-11 cs.CV
Color Face Recognition using High-Dimension Quaternion-based Adaptive Representation
University of Macau（澳门大学）
最近，四元数协同表示为基础的分类（QCRC）和四元数稀疏表示为基础的分类（QSRC）已被提出用于彩色人脸识别。它们可以获得不同颜色通道之间的相关信息。然而，它们的性能在不同的条件下是不稳定的。例如，QSRC在某些情况下比QCRC表现得更好，但在其他情况下表现得更差。为了从QCRC中基于四元数的$e_2$ -范数最小化和QSRC中基于四元数的$e_1$ -范数最小化中受益，我们提出了基于四元数的自适应表示（QAR），其使用基于四元数的$e_p$ -范数最小化（$1 \le p \le 2$）用于彩色人脸识别。为了获得不同颜色通道之间的高维相关信息，我们进一步提出了基于高维四元数的自适应表示（HD-QAR）。实验结果表明，所提出的QAR和HD-QAR实现更好的识别率比QCRC，QSRC和几个国家的最先进的方法。
2017-11-19 cs.CV
Learning Attribute Representation for Human Activity Recognition
TU Dortmund University（多特蒙德工业大学）；Department of Computer Science（计算机科学系）
属性表示在图像识别和单词识别中变得相关，在存在不平衡和不相交数据集的情况下提供支持。然而，对于使用来自身体传感器的序列数据的人类活动识别，缺乏人类标记的属性。本文介绍了一种搜索属性，代表有利的信号段识别人类活动。它提出了三种深度架构，包括时间卷积和以IMU为中心的设计，用于预测属性。随机和学习的属性表示，以及网络的经验评估是在两个数据集上进行的，优于最先进的。
2018-02-02 cs.CV
Disentangled Face Identity Representations for joint 3D Face Recognition and Expression Neutralisation
University of Luxembourg（卢森堡大学）；Artec3D（Artec3D公司）
在本文中，我们提出了一种新的基于深度学习的方法，用于从富有表现力的3D人脸中分离人脸身份表示。给定一个3D人脸，我们的方法不仅提取一个解开的身份表示，但也产生一个现实的3D人脸与中性的表达，同时预测其身份。该网络由三个部分组成：（1）一个图卷积自动编码器（GCA），用于将3D人脸编码为潜在表示;（2）一个生成对抗网络（GAN），用于将表情人脸的潜在表示转换为中性人脸的潜在表示;（3）一个身份识别子网络，利用中性化的潜在表示进行3D人脸识别。整个网络以端到端的方式进行训练。在三个公开数据集上进行的实验表明了该方法的有效性。
2021-04-20 cs.CV
Visual Place Representation and Recognition from Depth Images
USTHB University（阿尔及利亚科技大学）
本文提出了一种基于场景结构的场所识别方法。从深度视频，我们计算的3D模型，我们推导和几何描述的2D地图，从场景描述符推导出构成该算法的核心。实验结果表明了该描述子的有效性和对场景外观变化和光照变化的鲁棒性。
2021-12-27 cs.CV
Sparsity and Robustness in Face Recognition
本报告涉及使用稀疏信号表示和稀疏错误校正的自动人脸识别技术。最近对这些技术的兴趣大部分来自Wright等人（2009）的论文“Robust Face Recognition via Sparse Representation”，其示出了在某些技术条件下，如何可以将面部识别问题转换为在训练图像和各个像素的图像的“字典”方面寻求给定输入面部图像的稀疏表示的问题。在这份报告中，我们试图澄清一些经常遇到的问题，这项工作，特别是使用稀疏表示技术的人脸识别的有效性。
2011-11-03 cs.CV
On the Selective and Invariant Representation of DCNN for High-Resolution Remote Sensing Image Recognition
School of Geosciences and Info Physics, Central South University（中南大学地球科学与信息物理学院）
人类视觉在图像识别中具有很强的不变性。深度卷积神经网络（DCNN）直接从原始图像进行分层编码，使其认知能力接近人类视觉水平。由于其在特征表示方面的优势，DCNN在高分辨率遥感图像的场景识别和高光谱遥感图像的分类中表现出了显著的性能。深入的研究对于理解为什么DCNN可以通过其有效的特征表示准确地识别不同的地面物体仍然是必不可少的。因此，我们训练深神经网络称为AlexNet在我们的大规模遥感图像识别基准。在每个卷积层的神经元层次上，采用视觉刺激-特征响应结合特征编码-分类解码的框架，分析了DCNN在HRRS图像识别中的一般特性。具体来说，我们使用直方图统计，代表性相异度矩阵和类激活映射观察HRRS图像识别中的DCNN的选择性和不变性表示。我们认为，选择性和不变性表示在遥感图像的任务，如分类，检测和分割中起着重要的作用。选择性和不变性表示对于设计新的DCNN模型分析和理解遥感图像具有重要意义。
2017-08-04 cs.CV
Shaping Visual Representations with Attributes for Few-Shot Recognition
Nanjing University（南京大学）
Few-Shot识别的目标是在低数据条件下识别新类别。一些最近的Few-Shot识别方法引入了辅助语义模态，即，类别属性信息引入到表示学习中，增强了特征区分度，提高了识别性能。现有的这些方法大多只考虑支持集的属性信息而忽略查询集，导致潜在的性能损失。在这封信中，我们提出了一种新的属性形状学习（ASL）框架，它可以联合执行查询属性生成和判别视觉表示学习的Few-Shot识别。具体来说，视觉属性预测器（VAP）的构造预测查询的属性。通过利用属性信息，设计了一个属性视觉注意模块（AVAM），它可以自适应地利用属性和视觉表示来学习更多的区分特征。在属性模态的指导下，我们的方法可以学习增强的语义感知表示分类。实验表明，我们的方法可以取得竞争力的结果在CUB和SUN基准。我们的源代码可在以下网址获得：\url{https://github.com/chenhaoxing/ASL}。
2022-06-05 cs.CV
A Grid-based Representation for Human Action Recognition
Polytechnique Montreal（蒙特利尔综合理工学院）
视频中的人体动作识别是计算机视觉的一个基础研究课题。它主要是基于一系列视觉观察来理解人类的行为。近年来，HAR取得了重大进展，特别是随着深度学习模型的出现。然而，大多数现有的方法动作识别依赖于信息，并不总是相关的这项任务，并限制了他们融合的时间信息的方式。在本文中，我们提出了一种新的人类动作识别方法，有效地编码的最具歧视性的外观信息的行动与明确的关注代表姿态功能，到一个新的紧凑的网格表示。我们的GRAR（基于网格的动作识别表示）方法在几个基准数据集上进行了测试，证明我们的模型可以准确地识别人类动作，尽管存在类内外观变化和遮挡挑战。
2020-10-29 cs.CV
Mid-level Representation for Visual Recognition
Università degli Studi di Genova（热那亚大学）；Istituto Italiano di Tecnologia（意大利技术研究院）
视觉识别是人工智能的基本挑战之一，其目标是理解视觉数据的语义。特别是采用中级表征，改变了视觉识别的范式。中级图像/视频表示涉及发现和训练一组中级视觉模式（例如，部分和属性）并利用它们来表示给定的图像/视频。利用视觉现象的运动和外观信息，可以从图像和视频中提取中间模式。本论文的目标是采用中级表示不同的高级视觉识别任务，即（i）图像理解和（ii）视频理解。在图像理解的情况下，我们专注于目标检测/识别任务。我们研究发现和学习一组中级补丁用于表示对象类别的图像。我们特别采用的判别补丁的子类感知的webly监督的方式。此外，我们还研究了采用基于子类的模型消除数据集偏倚所提供的结果。
2015-12-23 cs.CV
A Robust Indoor Scene Recognition Method based on Sparse Representation
Universidade Federal de Minas Gerais（米纳斯吉拉斯联邦大学）
在本文中，我们提出了一个强大的场景识别方法，它利用卷积神经网络（CNN）的功能和稀疏编码设置，通过创建一个新的表示室内场景。虽然CNN在计算机视觉和模式识别领域受益匪浅，但卷积层在全局方法上调整权重，这可能导致丢失重要的局部细节，如对象和小结构。我们提出的场景表示依赖于两个：全球功能，主要是指环境的结构，和本地功能，稀疏地结合起来，捕捉一个给定的场景中的常见对象的特性。这种新的表示基于场景的片段，并利用CNN提取的特征。实验评估表明，所得到的表示优于以前的场景识别方法Scene15和MIT67数据集上，并在SUN397上具有竞争力，同时对输入图像中的扰动（如噪声和遮挡）具有很强的鲁棒性。
2017-08-24 cs.CV
A survey on Graph Deep Representation Learning for Facial Expression Recognition
Univ. Lille（里尔大学）；CNRS（法国国家科学研究中心）；Centrale Lille（里尔中央理工学院）
本文从图表示学习视角全面综述了面部表情识别的方法、数据库、图扩散与时空图等架构，并展望了未来研究方向。
2024-11-13 cs.CV
VGAN-Based Image Representation Learning for Privacy-Preserving Facial Expression Recognition
Boston University（波士顿大学）
可靠的面部表情识别在人机交互中发挥着关键作用。然而，迄今为止提出的大多数面部表情分析方法很少或根本不注意保护用户的隐私。在本文中，我们提出了一个保护隐私的表示学习变分生成对抗网络（PPRL-VGAN）学习的图像表示，是明确的身份信息解开。同时，从面部表情识别和生成的角度来看，这种表示是有区别的，因为它允许表情等效的面部图像合成。我们在两个公共数据集上评估了所提出的模型在不同的威胁场景下。定量和定性的结果表明，我们的方法在保护隐私和数据实用性之间取得了平衡。我们进一步证明，我们的模型可以有效地应用于其他任务，如表情变形和图像完成。
2018-09-07 cs.CV
Tensor Representations via Kernel Linearization for Action Recognition from 3D Skeletons (Extended Version)
NICTA/Data61/CSIRO；Australian National University（澳大利亚国立大学）；Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）
在本文中，我们探讨张量表示，可以compperfectly捕捉骨骼关节之间的高阶关系的3D动作识别。我们首先定义径向基函数核的三维联合序列，然后线性化，形成内核描述符。这些核描述符的高阶外积形成了我们的张量表示。我们提出了两种不同的内核动作识别，即（i）一个序列兼容性内核，捕捉关节的时空兼容性在一个序列对那些在其他，和（ii）一个动态兼容性内核，明确建模的动作动态序列。从这些内核形成的张量然后用于训练SVM。我们在几个基准数据集上进行了实验，并展示了最先进的结果，证实了我们表示的有效性。
2016-07-28 cs.CV
Sparse Representation-based Open Set Recognition
Rutgers University（罗格斯大学）
我们提出了一个广义的稀疏表示为基础的分类（SRC）算法的开集识别，并不是所有的类在测试过程中是已知的训练。SRC算法使用类别重构误差进行分类。由于开集识别的大部分判别信息隐藏在匹配和非匹配重构误差分布之和的尾部，我们使用统计极值理论（EVT）对这两个误差分布的尾部进行建模。然后将开集识别问题简化为一组假设检验问题。然后融合对应于新测试样本的尾部分布的置信度分数以确定其身份。使用四个公开的图像和对象分类数据集证明了所提出的方法的有效性，它表明，该方法可以执行显着优于许多有竞争力的开集识别算法。代码公开：https://github.com/hezhangsprinter/SROSR
2017-05-06 cs.CV
Primitive Representation Learning for Scene Text Recognition
Beijing National Research Center for Information Science and Technology（北京信息科学与技术国家研究中心）；Tsinghua University（清华大学）
由于自然场景图像中文本实例的多样性变化，场景文本识别是一项具有挑战性的任务。传统的基于CNN-RNN-CTC或具有注意力机制的编码器-解码器的方法可能无法充分研究多方向场景文本的稳定和有效的特征表示。在本文中，我们提出了一个原始的表示学习方法，旨在利用场景文本图像的内在表示。我们将特征图中的元素建模为无向图的节点。提出了一种池化聚合器和一种加权聚合器来学习原始表示，这些原始表示通过图卷积网络转换为高级视觉文本表示。构造了一个原始的表示学习网络（PREN），利用视觉文本表示进行并行解码。此外，通过将视觉文本表示与2D注意力机制集成到编码器-解码器模型中，我们提出了一个称为PREN 2D的框架，以减轻基于注意力的方法中的错位问题。中英文场景文本识别的实验结果表明，PREN在准确率和效率之间保持了平衡，而PREN 2D则达到了最先进的性能。
2021-05-10 cs.CV
Gait Recognition in the Wild with Dense 3D Representations and A Benchmark
Hangzhou Dianzi University（杭州电子科技大学）；Explore Academy of JD.com（京东探索研究院）
现有的步态识别研究主要是由2D表示，如轮廓或骨架的人体在受限的场景。然而，人类生活和行走在不受约束的3D空间中，因此将3D人体投影到2D平面上将丢弃用于步态识别的许多关键信息，如视点、形状和动力学。因此，本文旨在探索密集的三维表示在野外步态识别，这是一个实际的，但被忽视的问题。特别是，我们提出了一种新的框架，探索三维皮肤多人线性（SMPL）模型的人体步态识别，命名为SMPLGait。我们的框架有两个精心设计的分支，其中一个从轮廓提取外观特征，另一个从3D SMPL模型学习3D视点和形状的知识。此外，由于缺乏合适的数据集，我们建立了第一个大规模的基于三维表示的步态识别数据集，命名为Gait 3D。它包含了4,000个主题和超过25,000个序列，从39个相机中提取的一个不受约束的室内场景。更重要的是，它提供了从视频帧中恢复的3D SMPL模型，可以提供密集的3D身体形状，视点和动态信息。基于Gait 3D，我们全面比较了我们的方法与现有的步态识别方法，这反映了我们的框架的优越性能和3D表示在野外步态识别的潜力。代码和数据集可在https://gait3d.github.io上获得。
2022-04-06 cs.CV
ConvSRC: SmartPhone based Periocular Recognition using Deep Convolutional Neural Network and Sparsity Augmented Collaborative Representation
King Saud University（沙特国王大学）
基于智能手机的眼周识别已经得到了生物识别研究界的极大关注，因为生物识别模式的限制，如人脸，虹膜等，大多数现有的方法用于眼周识别采用手工制作的功能。最近，基于学习的图像表示技术，如深度卷积神经网络（CNN），在许多视觉识别任务中表现出出色的性能。CNN需要大量的数据用于其学习，但是对于眼周识别，只有有限的数据量可用。解决方案是使用在相关领域的数据集上预训练的CNN，在这种情况下，挑战是有效地提取判别特征。使用相关的CNN模型（VGG-Net），我们提出了一种简单，高效和紧凑的图像表示技术，考虑到丰富的信息和稀疏性存在于激活的卷积层，并采用主成分分析。对于识别，我们使用一个有效的和强大的稀疏增强协作表示为基础的分类（SA-CRC）技术。为了全面评估ConvSRC（所提出的系统），在VISOB挑战数据库上进行了实验，该数据库在ICIP 2016中用于眼周识别比赛。所获得的结果显示了ConvSRC优于最先进的方法;它在FMR = 10-3时获得了超过99%的GMR，并且比ICIP 2016挑战赛的第一名获胜者高出10%。
2018-01-16 cs.CV
AdaFedFR: Federated Face Recognition with Adaptive Inter-Class Representation Learning
Cranberry-Lemon University（蔓越莓柠檬大学）
本文提出AdaFedFR联邦人脸识别框架，利用自适应类间表示学习，以公共身份特征作为负知识优化局部目标，在不到3轮通信内提升基准性能。
2024-05-22 cs.CV
Towards Interpretable Face Recognition
Michigan State University（密歇根州立大学）；Wormpex AI Research（Wormpex人工智能研究院）；ByteDance AI Lab（字节跳动人工智能实验室）
在过去的几年里，深度CNN一直在推动视觉识别的前沿。除了识别准确性之外，研究界对理解深度CNN的强烈需求也推动了工具的发展，这些工具可以分解预先训练的模型，以可视化它们如何进行预测。最近的工作进一步推动了网络学习阶段的可解释性，以学习更有意义的表征。在这项工作中，专注于视觉识别的一个特定领域，我们报告了我们的努力，可解释的人脸识别。我们提出了一个空间激活多样性损失，以学习更多的结构化人脸表示。通过利用该结构，我们进一步设计了一个特征激活多样性损失，以推动可解释的表示具有区分性和对遮挡的鲁棒性。我们证明了三个人脸识别基准，我们提出的方法是能够提高人脸识别的准确性，易于解释的人脸表示。
2019-08-17 cs.CV
Spatio-temporal Aware Non-negative Component Representation for Action Recognition
Laboratory of Image Sciences and Technology, Southeast University（东南大学影像科学与技术实验室）；Ginkgo LLC（银杏有限责任公司）
本文提出了一种新的中级表示的动作识别，命名为时空感知的非负分量表示（STANNCR）。STANNCR是基于动作成分，并结合了时空信息。首先，我们引入了一个时空分布向量（STDV）模型的局部特征位置的分布在一个紧凑和歧视的方式。然后，我们采用非负矩阵分解（NMF）学习的动作组件和编码的视频样本。动作部分考虑了视觉词的相关性，有效地弥补了动作识别中的语义鸿沟。为了将时空线索用于最终表示，STDV被用作NMF的图正则化的一部分。时空信息的融合使STANNCR具有更强的鉴别力，而且与传统的向量拼接方法相比，该方法具有更紧凑的结构。该方法在三个公共数据集上进行了广泛的评估。实验结果证明了STANNCR用于动作识别的有效性。
2016-08-27 cs.CV
Face Recognition Using Deep Multi-Pose Representations
Information Sciences Institute（信息科学研究所）；Institute for Robotics and Intelligent Systems（机器人与智能系统研究所）；University of Southern California（南加州大学）；The Open University（开放大学）
我们介绍了我们的方法和系统，用于使用多个姿势感知深度学习模型进行人脸识别。在我们的表示中，人脸图像由几个姿势特定的深度卷积神经网络（CNN）模型处理，以生成多个姿势特定的特征。3D渲染用于从输入图像生成多个面部姿势。由于我们使用特定于姿势的CNN特征的集合，因此识别系统对姿势变化的敏感性降低。本文提出了广泛的实验结果的影响，地标检测，CNN层选择和姿势模型选择的识别管道的性能。我们的新表示在验证和识别（即搜索）任务中取得了比IARPA的CS2和NIST的IJB-A更好的结果。
2016-03-23 cs.CV
Analysis and Understanding of Various Models for Efficient Representation and Accurate Recognition of Human Faces
Sir M Visvesvaraya Institute of Technology（Sir M Visvesvaraya理工学院）
在本文中，我们试图比较各种人脸识别模型对他们的经典问题。我们看看这些方法所遵循的方法，并评估它们在多大程度上能够解决问题。所有提出的方法在一定条件下都有一些缺点。为了克服这些缺点，我们提出了一个多模型的方法
2015-02-14 cs.CV
Big-Little Net: An Efficient Multi-Scale Feature Representation for Visual and Speech Recognition
IBM T.J. Watson Research Center（IBM托马斯·J·沃森研究中心）
在本文中，我们提出了一种新的卷积神经网络（CNN）架构，用于学习多尺度特征表示，在速度和准确性之间具有良好的权衡。这是通过使用多分支网络来实现的，该多分支网络在不同分支处具有不同的计算复杂性。通过频繁地合并不同尺度下分支的特征，我们的模型在使用较少计算的同时获得多尺度特征。所提出的方法证明了对象识别和语音识别任务的模型效率和性能的提高，使用流行的架构，包括ResNet和ResNeXt。对于对象识别，我们的方法将对象识别的计算量减少了33%，同时将准确度提高了0.9%。此外，我们的模型在准确性和FLOPs减少方面远远超过了最先进的CNN加速方法。在语音识别的任务中，我们提出的多尺度CNN节省了30%的FLOP，单词出错率略好，表现出良好的跨域泛化能力。代码可在https://github.com/IBM/BigLittleNet上获得
2019-07-31 cs.CV
Robust Face Recognition via Adaptive Sparse Representation
Hefei University of Technology（合肥工业大学）；National University of Singapore（新加坡国立大学）
基于稀疏表示（或编码）的分类方法（SRC）在人脸识别中取得了巨大的成功。然而，SRC过于强调稀疏性，忽略了相关性信息，这已被证明是在现实世界中的人脸识别问题的关键。此外，一些工作考虑了相关性，但忽略了稀疏性的区分能力。不同于这些现有的技术，在本文中，我们提出了一个框架称为自适应稀疏表示基于分类（ASRC），其中稀疏性和相关性共同考虑。具体来说，当样本相关性较低时，ASRC选择最具鉴别力的样本进行表示，就像SRC一样;当训练样本高度相关时，ASRC选择大多数相关且具有鉴别力的样本进行表示，而不是随机选择一些相关样本。一般来说，表示模型是自适应的相关结构，这得益于$\ell_1$ -范数和$\ell_2$ -范数。在公开数据集上进行的大量实验验证了该算法的有效性和鲁棒性，并与最先进的方法进行了比较。
2014-04-18 cs.CV
DeepKSPD: Learning Kernel-matrix-based SPD Representation for Fine-grained Image Recognition
University of Wollongong（卧龙岗大学）；National University of Defense Technology（国防科技大学）
协方差矩阵是对称正定的，传统上被用来表示视觉识别中的一组局部描述符。最近的研究表明，核矩阵可以通过模拟局部描述符集中的非线性来提供更好的表示。然而，描述符和核矩阵都没有被深入学习。更糟糕的是，它们被单独考虑，阻碍了对社民党最佳代表性的追求。这项工作提出了一个深度网络，通过端到端的训练过程联合学习本地描述符，基于内核矩阵的SPD表示和分类器。我们推导出从局部描述符集到SPD表示的映射的导数，以进行反向传播。利用算子论中的Daleckii-Krein公式，给出了SPD矩阵函数微分的简洁而统一的结果，包括用矩阵对数处理核矩阵的黎曼几何.实验不仅表明了基于核矩阵的SPD表示与深度局部描述符的优越性，而且还验证了所提出的深度网络在追求更好的SPD表示以实现细粒度图像识别任务方面的优势。
2017-11-11 cs.CV
Learning Person-specific Network Representation for Apparent Personality Traits Recognition
Shanghai Technical Institute of Electronics and Information（上海电子信息职业技术学院）
最近的研究表明，人的面部行为动态可以反映出明显的人格特征。然而，大多数现有的方法只能在潜在特征中编码单尺度的短期面部行为用于人格识别。在本文中，我们提出了识别明显的个性识别方法，首先为每个主体训练一个特定于个人的网络，建模多尺度的长期特定于个人的行为演变的主题。因此，我们假设网络的权重包含受试者的个人特定面部行为相关线索。然后，我们建议将特定于个人的网络的权重编码为图形表示，作为受试者的个性表示，允许它们被标准的图神经网络（GNN）处理，用于个性特征识别。实验结果表明，我们的新的网络权重为基础的方法取得了优越的性能比大多数传统的基于潜在特征的方法，并具有相当的性能，以国家的最先进的方法。重要的是，当使用不同的GNN时，生成的图形表示会产生鲁棒的结果。本文进一步验证了个体网络的权重与被试的个性相关。
2023-03-01 cs.CV
Discriminant Patch Representation for RGB-D Face Recognition Using Convolutional Neural Networks
Sfax University（斯法克斯大学）；Digital Research Center of Sfax（斯法克斯数字研究中心）
本文的重点是设计数据驱动的模型，学习判别表示空间的人脸识别使用RGB-D数据。与手工制作的表示不同，学习模型可以从数据中提取和组织判别信息，并可以自动适应以更快地构建新的计算视觉应用程序。提出了一种有效的训练卷积神经网络学习人脸块判别特征的方法。所提出的解决方案在最先进的RGB-D数据集上进行了测试和验证，并显示出相对于标准手工特征提取器的竞争力和有前途的结果。
2018-12-17 cs.CV
ADDP: Learning General Representations for Image Recognition and Generation with Alternating Denoising Diffusion Process
CUHK（香港中文大学）；Tsinghua University（清华大学）；SenseTime Research（商汤科技研究院）；Shanghai AI Laboratory（上海人工智能实验室）
针对识别与生成任务表示难以统一的问题，本文提出交替去噪扩散过程 ADDP，在单一框架中融合像素输入与 VQ token 重建，首次实现同时适用于生成和密集识别任务的通用表示。
2024-04-02 cs.CV
Neural Architecture based on Fuzzy Perceptual Representation For Online Multilingual Handwriting Recognition
University of Sfax（斯法克斯大学）；National Engineering School of Sfax（斯法克斯国立工程师学院）；Sifast
由于移动设备的无处不在，在线手写脚本已经成为智能手机和平板设备的最重要的馈送输入。为了提高在线手写识别性能，更深的神经网络已被广泛使用。在此背景下，我们的论文处理的问题，在线手写体识别的基础上提取特征系统和深入的方法系统的序列分类。已经出现了许多解决方案，以促进手写识别。因此，我们使用现有的方法，并结合新的分类器，以获得一个灵活的系统。与在线拉丁文和阿拉伯文字符和单词识别系统相比，取得了良好的效果。我们提出的两个系统的性能进行评估，使用五个数据库。事实上，识别率超过98%。
2019-08-01 cs.CV
Block-Diagonal Sparse Representation by Learning a Linear Combination Dictionary for Recognition
在基于稀疏表示的识别方案中，学习所需的字典是关键，目的是获得良好的表示能力和区分性能。在本文中，我们提出了一个新的字典学习模型的识别应用程序，其中采用三种策略，同时实现这两个目标。首先，在模型中引入块对角约束，以消除类间的相关性，提高判别性能。其次，采用一个低秩项来模拟类内的一致性，以细化每个类的稀疏表示。最后，而不是使用传统的过完备字典，一个特定的字典构造的训练样本的线性组合，提出了提高字典的代表性的权力，并提高稀疏表示模型的鲁棒性。该方法在几个公共数据集上进行了测试。实验结果表明，该方法优于大多数国家的最先进的方法。
2016-11-28 cs.CV
Deep Representation of Facial Geometric and Photometric Attributes for Automatic 3D Facial Expression Recognition
Ecole Centrale de Lyon（里昂中央理工学院）
在本文中，我们提出了一种新的方法来自动三维人脸表情识别（FER）的基础上，面部三维几何和二维光度属性的深度表示。三维人脸首先由其几何属性和光度属性表示，包括几何映射、法线映射、归一化曲率映射和纹理映射。然后将这些映射馈送到预先训练的深度卷积神经网络中以生成深度表示。然后，通过在不同地图的深度表示上训练线性SVM并融合这些SVM得分来简单地实现面部表情预测。可视化结果表明，深度表示提供了一个完整的和高度歧视性的三维人脸编码方案。在BU-3DFE数据库上的综合实验表明，所提出的深度表示可以优于广泛使用的手工制作的描述符（即，LBP、SIFT、HOG、Gabor）和在相同实验方案下的最先进方法。
2015-11-10 cs.CV
Joint Learning On The Hierarchy Representation for Fine-Grained Human Action Recognition
Agency for Science, Technology and Research (A*STAR)（新加坡科技研究局）
细粒度人体动作识别是计算机视觉的核心研究课题。受FineGym和SlowFast网络中最近提出的用于动作识别的细粒度动作的层次表示的启发，我们提出了一种新的多任务网络，该网络利用FineGym层次表示来实现有效的联合学习和预测，用于细粒度的人类动作识别。多任务网络由三个路径的SlowOnly网络组成，其中事件、集合和细粒度动作元素的帧速率逐渐增加，然后是我们提出的用于联合学习和预测的集成层。它是一种两阶段的方法，首先在每个层次上学习深度特征表示，然后进行特征编码和融合以进行多任务学习。我们在FineGym数据集上的经验结果实现了最新的性能，元素操作的Top-1准确率为91.80%，平均准确率为88.46%，比之前的最佳结果高出3.40%和7.26%。
2021-10-12 cs.CV
Not All Instances Contribute Equally: Instance-adaptive Class Representation Learning for Few-Shot Visual Recognition
Wuhan University（武汉大学）；Hubei Luojia Laboratory（湖北珞珈实验室）；JD Explore Academy（京东探索研究院）；Beijing Institute of Technology（北京理工大学）；Nanyang Technological University（南洋理工大学）
Few-Shot视觉识别是指从少量标记实例中识别新的视觉概念。许多Few-Shot视觉识别方法采用基于度量的元学习范式，通过比较查询表示和类表示来预测查询实例的类别。然而，目前的基于度量的方法通常平等地对待所有实例，因此经常获得有偏见的类表示，考虑到不是所有的实例都同样重要时，总结类级表示的实例级表示。例如，某些实例可能包含不具有代表性的信息，例如太多的背景和不相关概念的信息，这会扭曲结果。为了解决上述问题，我们提出了一种新的基于度量的元学习框架称为实例自适应类表示学习网络（ICRL-Net）的Few-Shot视觉识别。具体来说，我们开发了一个自适应的实例重估网络的能力，以解决有偏见的代表性问题时，产生的类表示，通过学习和分配自适应的权重为不同的实例，根据其相对重要性在相应的类的支持集。此外，我们设计了一个改进的双线性实例表示，并纳入两个新的结构损失，即，类内实例聚类损失和类间表示区分损失，以进一步规范实例重估过程，细化类表示。我们对四个常用的Few-Shot基准测试进行了广泛的实验：miniImageNet，tieredImageNet，CIFAR-FS和FC 100数据集。实验结果表明，我们的ICRL-Net与国家的最先进的方法相比的优越性。
2022-09-07 cs.CV
Low-rank representations with incoherent dictionary for face recognition
Jiangsu GuoGuang Electronic Information Technology Co., Ltd.（江苏国光信息产业股份有限公司）；Jiangnan University（江南大学）
人脸识别一直是计算机视觉领域的研究热点，而训练图像和测试图像同时被破坏是人脸识别的一个难题。在本文中，我们提出了一种新的半监督方法的基础上的低秩矩阵恢复人脸识别的理论，它可以同时学习的歧视性低秩和稀疏表示的训练和测试图像。为此，我们提出的方法来学习一个不连贯的字典的制定引入相关惩罚项。在多个人脸图像库上的实验结果证明了该方法的有效性，该方法对光照、表情和姿态变化，以及具有诸如块遮挡或均匀噪声的噪声的图像具有鲁棒性。
2019-12-10 cs.CV
ActionFlowNet: Learning Motion Representation for Action Recognition
University of Maryland, College Park（马里兰大学帕克分校）；Allen Institute for AI（艾伦人工智能研究所）；Comcast Labs, DC（康卡斯特实验室（华盛顿特区））
即使卷积神经网络（CNN）在各种视觉识别任务中的最新进展，最先进的动作识别系统仍然依赖于手工制作的运动特征（诸如光流）来实现最佳性能。我们提出了一个多任务学习模型MifFlowNet，直接从原始像素训练单流网络，以联合估计光流，同时用卷积神经网络识别动作，在单个模型中捕获外观和运动。此外，我们还提供了了解如何学习的光流的质量影响的动作识别。与在没有外部大规模数据和额外光流输入的情况下训练的最先进的基于CNN的动作识别模型相比，我们的模型显著提高了动作识别的准确性，提高了31%。在没有对大型外部标记数据集进行预训练的情况下，我们的模型通过充分利用运动信息，实现了与使用ImageNet和Sport-1 M等大型标记数据集训练的模型相竞争的识别准确性。
2018-02-16 cs.CV
Efficient Face Alignment via Locality-constrained Representation for Robust Recognition
South China University of Technology（华南理工大学）；Peking University（北京大学）；Shenzhen University（深圳大学）；Chinese Academy of Sciences（中国科学院）
在过去的几十年里，人们一直在研究实用的人脸识别，但仍然是一个开放的挑战。目前流行的方法已经在识别精度方面取得了实质性的突破。然而，如果人脸样本严重错位，它们的性能通常会急剧下降。为了解决这个问题，我们提出了一个高效的误识鲁棒局部约束表示（MRLR）算法，用于实际的实时人脸识别。具体地说，局部约束，激活最相关的原子和抑制不相关的，被应用于构建字典的人脸对齐。然后，我们同时对齐扭曲的脸，并更新局部约束字典，最终获得最终的对齐。此外，我们利用块结构来加速导出的解析解。在公共数据集上的实验结果表明，MRLR在效率和可扩展性方面明显优于几种最先进的方法，具有更好的性能。
2015-10-31 cs.CV
Graphical Representation for Heterogeneous Face Recognition
Xidian University（西安电子科技大学）
异构人脸识别（HFR）是指匹配从不同来源（即，不同的传感器或不同的波长）用于识别。HFR在生物识别研究和工业中发挥着重要作用。尽管近年来取得了令人鼓舞的进展，HFR仍然是一个具有挑战性的问题，由于难以表示两个异构图像在一个均匀的方式。现有的HFR方法要么表示忽略空间信息的图像，要么依赖于使识别任务复杂化的变换过程。针对这些问题，本文提出了一种新的基于图形表示的HFR方法（G-HFR）。利用马尔可夫网络对异构图像块进行分离表示，考虑了相邻图像块之间的空间兼容性。耦合表示相似性度量（CRSM）的目的是衡量所获得的图形表示之间的相似性。在多个HFR场景（观察草图、法医草图、近红外图像和热红外图像）上进行的大量实验表明，所提出的方法优于现有的方法。
2016-03-14 cs.CV
Towards classification-based representation learning for place recognition on LiDAR scans
Moscow Institute of Physics and Technology（莫斯科物理技术学院）；King Abdullah University of Science and Technology（国王阿卜杜勒阿齐兹大学）
本文将自动驾驶中的位置识别构建为多类分类问题，通过为LiDAR扫描分配离散位置标签并训练编码器-解码器模型直接分类位置，在NuScenes数据集上取得与对比学习相当的性能，且在训练效率和稳定性上更具优势。
2025-11-04 cs.CV
Towards Generalizable Surgical Activity Recognition Using Spatial Temporal Graph Convolutional Networks
University of Rennes 1（雷恩第一大学）；INSERM（法国国家健康与医学研究院）；Gazi University（加齐大学）
手术活动的建模和识别是一个有趣的研究问题。虽然最近的一些作品研究了手术活动的自动识别，但这些作品在不同任务和不同数据集上的通用性仍然是一个挑战。我们引入了一种模态，是强大的场景变化，这是能够推断部分信息，如方向和相对空间关系。建议的方式是基于时空图形表示的手术工具在视频中，手术活动识别。为了探索其有效性，我们建模和识别手术手势与建议的方式。我们构建连接手术工具的联合姿态估计的空间图。然后，我们将每个关节连接到连续帧中的对应关节，形成表示关节随时间的轨迹的帧间边缘。然后，我们学习分层时空图表示使用时空图卷积网络（ST-GCN）。我们的实验表明，学习的时空图形表示在手术手势识别中表现良好，即使单独使用。我们用JIGSAWS数据集的缝合任务进行实验，其中手势识别的机会基线为10%。我们的结果表明，平均准确率为68%，这表明有显着的改善。学习的层次时空图表示可以单独使用，级联或作为手术活动识别的补充模式，因此为未来的研究提供了一个基准。据我们所知，我们的论文是第一次使用手术工具的时空图表示，和姿势为基础的骨架表示一般，手术活动识别。
2020-08-13 cs.CV
Temporal Binary Representation for Event-Based Action Recognition
University of Florence（佛罗伦萨大学）
在本文中，我们提出了一个事件聚合策略，将事件相机的输出转换为可处理的帧由传统的计算机视觉算法。所提出的方法首先生成中间二进制表示的序列，然后通过简单地应用二进制到十进制的转换将其有损地转换成紧凑的格式。这种策略允许我们将时间信息直接编码为像素值，然后由深度学习模型进行解释。我们将我们的策略，称为时间二进制表示，手势识别的任务，获得流行的DVS 128手势数据集的最先进的结果。为了强调所提出的方法与现有方法相比的有效性，我们还收集了在更具挑战性的条件下进行实验的数据集的扩展。
2020-10-18 cs.CV
Face Recognition via Locality Constrained Low Rank Representation and Dictionary Learning
Jiangnan University（江南大学）；Jiangsu Provincial Engineering Laboratory of Pattern Recognition and Computational Intelligence（江苏省模式识别与计算智能工程实验室）；University of Surrey（萨里大学）
人脸识别由于其在智慧城市应用中的重要性而得到了广泛的研究。然而，当训练图像和测试图像都被破坏时，情况没有得到很好的解决。针对这一问题，本文提出了一种局部约束的低秩表示和字典学习（LCLRRDL）算法，用于鲁棒的人脸识别。特别是，我们提出了三个贡献，在拟议的提法。首先，引入低秩表示来处理训练数据和测试数据的可能污染。其次，局部性约束的加入，以确认固有的流形结构的训练数据。通过引入局部性约束项，我们的方案使得相似的样本具有相似的表征。第三，学习一个紧凑的字典来处理损坏数据的问题。在两个公共数据库上的实验结果证明了该方法的有效性。我们提出的LCLRRDL的Matlab代码可以从https://github.com/yinhefeng/LCLRRDL下载。
2019-12-06 cs.CV
PM-GANs: Discriminative Representation Learning for Action Recognition Using Partial-modalities
Chongqing University of Posts and Telecommunications（重庆邮电大学）；Harbin Institute of Technology（哈尔滨工业大学）；Xi’an Jiaotong University（西安交通大学）
不同模态的数据通常传达互补但异构的信息，并且通常通过组合多种数据模态（如RGB和红外特征）来优选更具区别性的表示。然而，在现实中，由于许多限制，获得两个数据信道是具有挑战性的。例如，RGB监控摄像机通常被限制在私人空间，这与用于个人安全的异常活动检测的需求相冲突。因此，使用部分数据通道来构建多模态的完整表示显然是期望的。在本文中，我们提出了一种新的部分模态生成对抗网络（PM-GANs），它只使用部分模态的数据来学习全模态表示。通过生成的表示代替丢失的数据通道来实现完整的表示。大量的实验进行了验证，我们提出的方法对动作识别的性能，与四个国家的最先进的方法相比。同时，还引入了一个新的用于动作识别的红外可见光数据集，这将是第一个包含成对红外和可见光光谱的公开可用的动作数据集。
2018-04-17 cs.CV
Early Recognition of Human Activities from First-Person Videos Using Onset Representations
Jet Propulsion Laboratory, California Institute of Technology（加州理工学院喷气推进实验室）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
在本文中，我们提出了一种方法，从第一人称视角拍摄的视频中早期识别人类活动。早期识别，也称为活动预测，是一种在早期阶段推断正在进行的活动的能力。我们提出了一种算法来执行识别的活动针对摄像头从流媒体视频，使系统预测预期的活动的互动的人，并避免有害的事件发生之前，他们实际上发生。我们引入了新的概念“发病”，有效地总结了活动前的观察，并设计了一种方法来考虑事件的历史，除了正在进行的视频观察早期第一人称识别的活动。我们建议使用时间序列梯度的级联直方图来表示发病，我们描述了一种新的算法设置，以利用发病的早期识别活动。实验结果清楚地表明，所提出的概念的发病能够更好地/更早地识别人类活动的第一人称视频。
2015-07-06 cs.CV
DyGait: Exploiting Dynamic Representations for High-performance Gait Recognition
Beijing Jiaotong University（北京交通大学）；PhiGent Robotics（鉴智机器人）；National University of Singapore（新加坡国立大学）；NetEase Fuxi AI Lab（网易伏羲人工智能实验室）；University of Technology Sydney（悉尼科技大学）
步态识别是一种生物特征识别技术，它通过人的行走模式来识别人的身份。与其他生物特征识别技术相比，步态识别具有更难伪装、无需主体协作、可应用于远距离等特点。因此，它在预防犯罪和社会安全方面具有独特的潜力和广泛的应用。目前，大多数步态识别方法直接从视频帧中提取特征来建立表示。然而，这些架构平等地从不同的特征中学习表示，但对动态特征没有足够的关注，动态特征是指轮廓随时间变化的动态部分（例如腿）的表示。由于人体的动态部分在行走过程中比其他部分（例如袋子）更具信息性，因此在本文中，我们提出了一种名为DyGait的新颖且高性能的框架。这是步态识别的第一个框架，旨在专注于动态特征的提取。具体来说，为了充分利用动态信息，我们提出了一个动态增强模块（DAM），它可以自动建立人体动态部位的时空特征表示。实验结果表明，我们的DyGait网络优于其他国家的最先进的步态识别方法。它在GREW数据集上实现了71.4%的平均Rank-1准确率，在Gait 3D数据集上实现了66.3%，在CASIA-B数据集上实现了98.4%，在OU-MVLP数据集上实现了98.3%。
2023-03-27 cs.CV
Makeup216: Logo Recognition with Adversarial Attention Representations
Mininglamp Academy of Sciences, Mininglamp Technology（明略科技明略科学院）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
标识识别的挑战之一在于形式的多样性，例如符号，文本或两者的组合;此外，标识往往在设计上非常简洁，而外观相似，这表明学习区别性表示的困难。为了研究徽标的多样性和表示，我们引入了Makeup 216，这是化妆领域中最大和最复杂的徽标数据集，从现实世界中捕获。它包括216个徽标和157个品牌，包括10，019个图像和37，018个注释徽标对象。此外，我们发现纯标识周围的边缘背景可以提供重要的上下文信息，并提出了一个对抗性注意力表征框架（AAR），分别关注标识主题和辅助边缘背景，两者可以结合起来更好地表征。我们提出的框架在Makeup 216和另一个大规模开放徽标数据集上取得了有竞争力的结果，这可以为徽标识别提供新的思路。Makeup 216的数据集和拟议框架的代码将很快发布。
2021-12-13 cs.CV
BiggerGait: Unlocking Gait Recognition with Layer-wise Representations from Large Vision Models
Department of Computer Science and Engineering, Southern University of Science and Technology（南方科技大学计算机科学与工程系）；School of Artificial Intelligence, Shenzhen University（深圳大学人工智能学院）；Michigan State University（密歇根州立大学）
针对现有基于大视觉模型的步态识别过度依赖步态先验、忽视模型多层表征价值的问题，提出整合LVM中间层互补表征的简单通用基线BiggerGait，在多个数据集的域内和跨域任务中均表现更优，为步态表征学习提供实用基线。
2025-06-17 cs.CV
Stable and Compact Face Recognition via Unlabeled Data Driven Sparse Representation-Based Classification
Henan Province Engineering Research Center for Artificial Intelligence Theory and Algorithm, School of Mathematics and Statistics, Henan University（河南大学数学与统计学院，河南省人工智能理论与算法工程研究中心）；Telecom Paris, Institut Polytechnique de Paris（巴黎理工学院，巴黎电信学院）
稀疏表示分类（SRC）由于将识别问题转化为简单的线性回归问题而受到广泛关注。然而，SRC方法仍然限于每个类别有足够的标记样本，未标记样本的使用不足，以及表示的不稳定性。针对这些问题，提出了一种基于低秩稀疏约束的无标记数据驱动的逆投影伪全空间表示分类模型。该模型旨在挖掘所有可用数据的隐含语义信息和内在结构信息，适用于正面人脸识别中标记样本少、标记样本与未标记样本比例不平衡的问题。采用Gauss-Seidel和Jacobian混合ADMM算法对模型进行求解。分析了模型的收敛性、表示能力和稳定性。在三个公开数据集上的实验表明，LR-S-PFSRC模型具有较好的稳定性，特别是在样本比例不均衡的情况下，该模型具有较好的鲁棒性。
2021-11-04 cs.CV
Gait Recognition via Effective Global-Local Feature Representation and Local Temporal Aggregation
Beijing Jiaotong University（北京交通大学）；University of Technology Sydney（悉尼科技大学）
步态识别是生物特征识别中最重要的技术之一，在许多领域都有着广泛的应用。最近的步态识别框架通过从人类的全局外观或局部区域提取的描述符来表示每个步态帧。然而，基于全局信息的表示往往忽略了步态帧的细节，而基于局部区域的描述符不能捕捉相邻区域之间的关系，从而降低了它们的区分度。在本文中，我们提出了一种新的特征提取和融合框架，以实现步态识别的歧视性特征表示。为了实现这一目标，我们利用全局视觉信息和局部区域的细节，并开发了一个全局和局部特征提取器（GLFE）。具体来说，我们的GLFE模块由我们新设计的多个全局和局部卷积层（GLConv）组成，以原则方式集成全局和局部特征。此外，我们提出了一种新的操作，即局部时间聚合（LTA），以进一步保持空间信息，通过降低时间分辨率，以获得更高的空间分辨率。在我们的GLFE和LTA的帮助下，我们的方法显着提高了我们的视觉特征的区分度，从而提高步态识别性能。大量的实验表明，我们提出的方法优于国家的最先进的步态识别方法在两个流行的数据集。
2021-08-14 cs.CV
Natural Scene Character Recognition Using Robust PCA and Sparse Representation
Harbin Institute of Technology, Shenzhen Graduate School（哈尔滨工业大学深圳研究生院）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
自然场景字符识别是一个挑战，由于杂乱的背景，这是很难从文本中分离。在本文中，我们提出了一种新的方法，鲁棒的场景字符识别。具体地说，我们首先使用鲁棒的主成分分析（PCA）通过恢复丢失的低秩成分和过滤掉稀疏噪声项来去除字符图像的噪声，然后使用简单的方向梯度直方图（HOG）进行图像特征提取，最后使用基于稀疏表示的分类器进行识别。在Char 74 K数据集、ICADAR 2003鲁棒阅读数据集、街景文本（SVT）数据集和IIIT 5 K-word数据集上的实验表明，该方法与现有方法相比具有较强的竞争力。
2016-06-15 cs.CV
3D Face Recognition with Sparse Spherical Representations
Hospital Clinic（临床医院）；Universitat de Barcelona（巴塞罗那大学）；Ecole Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院（EPFL））
本文讨论了使用球体上的同时稀疏逼近进行3D人脸识别的问题。3D人脸点云首先与一种新颖的全自动配准过程对齐。然后将它们表示为2D球体上的信号，以保留深度和几何信息。接下来，我们实现了同时稀疏近似和子空间投影的降维过程。它允许表示每个三维人脸只有几个球面函数，能够捕捉到显着的面部特征，从而保持判别面部信息。我们最终在缩减的空间中通过有效的匹配进行识别，其中线性判别分析可以进一步激活以提高识别性能。3D人脸识别算法在FRGC v.1.0数据集上进行了评估，结果显示其性能优于使用深度图像的经典最先进解决方案。
2008-10-29 cs.CV
Variable-Viewpoint Representations for 3D Object Recognition
Vanderbilt University（范德堡大学）
对于3D对象识别问题，使用深度学习方法的研究人员已经开发了几种非常不同的输入表示，包括从对象周围的离散视点拍摄的“多视图”快照，以及由来自各个方向的基本上射线跟踪的对象样本的密集地图组成的“球形”表示。这些表示在捕获什么对象信息以及捕获到什么程度的细节方面提供了权衡，但是由于这两种类型的表示如此不同，因此不清楚如何测量这些信息权衡。我们证明了这两种类型的表示实际上存在于一个共同的表示连续体的两个极端，基本上选择优先考虑对象的视图数量或像素（即，视野）分配给每个视图。我们确定了位于这两个极端之间的有趣的中间表示，并通过系统的实证实验展示了准确性如何随输入信息以及所使用的特定深度学习架构而变化。
2020-02-08 cs.CV
