Identity Recognition in Intelligent Cars with Behavioral Data and LSTM-ResNet Classifier
Technical University of Munich(慕尼黑工业大学)
汽车驾驶室中的身份识别是当今的一项关键任务,并提供了一个很大的应用领域,从个性化智能汽车到满足驾驶员的身体和行为需求,再到提高安全性。然而,已公布的方法的性能和适用性仍然不适合用于系列车,需要改进。在本文中,我们研究了人类身份识别在汽车驾驶室与时间序列分类(TSC)和深度神经网络。我们使用油门和刹车踏板压力作为模型的输入。这些数据在日常驾驶中很容易收集。由于我们的分类器对内存的要求非常低,并且不需要任何输入数据预处理,因此我们只能在一个Intel i5- 3210 M处理器上进行训练。我们的分类方法基于LSTM和ResNet的组合。在NUDrive的一个子集上训练的网络比仅训练的ResNet和LSTM模型的准确率分别高出35.9%和53.85%。我们在NUDrive的10个驱动程序子集上达到了79.49%的最终准确率,在UTDrive的5个驱动程序子集上达到了96.90%的最终准确率。
2020-03-02 cs.CV
Active Open-Vocabulary Recognition: Let Intelligent Moving Mitigate CLIP Limitations
Northwestern University(西北大学)
本文提出一种主动开放词汇识别智能体,利用帧间与概念间相似性引导移动和特征融合,在ShapeNet上将CLIP基线准确率从29.6%提升至53.3%,无需微调CLIP。
2023-11-28 cs.CV
Intelligent Traffic Surveillance for Real-Time Vehicle Detection, License Plate Recognition, and Speed Estimation
Makerere University(Makerere大学)
本研究提出了一种针对发展中国家的实时智能交通监控系统,通过计算机视觉技术实现车辆检测、车牌识别和速度估计,显著降低错误率并实现自动发票。
2026-01-01 cs.CV
An Intelligent-Detection Network for Handwritten Mathematical Expression Recognition
School of Information Science and Technology, Fudan University(复旦大学信息科学与技术学院)
本文提出一种基于增强YOLOv7目标检测的智能检测网络IDN,结合BiGRU和BSRT识别手写数学表达式中的符号关系,在复杂公式识别上优于传统编码器-解码器方法。
2023-11-26 cs.CV
Design of an Intelligent Vision Algorithm for Recognition and Classification of Apples in an Orchard Scene
Urmia University(乌尔米耶大学)
苹果是一种营养价值和药用价值都很高的鲜食水果。季节性农场工人手工收获苹果增加了这些水果表面的物理损伤,这导致了销售质量的巨大损失。本研究的主要目的是设计一个强大的视觉算法的机器人苹果收获机。该算法能够识别和分类4类对象中发现的果园场景,包括苹果,树叶,树干和树枝,天空到两个苹果和非苹果类。从伊朗西阿塞拜疆18个苹果园的1000张捕获的苹果图像中选择了100张红色美味苹果的数字图像和100张金色美味苹果的数字图像。提出了一种图像处理算法,根据图像类的颜色特征,对图像类进行分割和提取。选择不变矩作为从分割类(例如苹果)中提取的特征。多层前馈神经网络,MFNN,被用作一种人工智能工具,用于识别和分类的图像类别。
2021-10-07 cs.CV
A Real-Time Predictive Pedestrian Collision Warning Service for Cooperative Intelligent Transportation Systems Using 3D Pose Estimation
KAIST(韩国科学技术院)
减少车辆与行人之间的交通事故是智能交通系统的主要研究目标之一。为了实现这一目标,行人的方向识别和行人的过街或不过街意图预测起着核心作用。由于有限的视场、缺乏泛化和高计算复杂性,当代方法不能保证令人满意的性能。为了克服这些限制,我们提出了一个实时的【形】预测行人碰撞警告服务(P2CWS)的两个任务:行人方向识别(100.53 FPS)和意图预测(35.76 FPS)。我们的框架获得了令人满意的推广多个网站,因为建议的网站无关的功能。在特征提取的中心是3D姿态估计。3D姿态分析使得能够在多个站点上鲁棒且准确地识别行人方向和预测意图。所提出的视觉框架在TUD数据集上的行为识别任务中实现了89.3%的准确率,而无需任何训练过程,并且在我们的数据集上实现了91.28%的意图预测准确率,从而实现了最先进的性能。为了对相应的研究社区做出贡献,我们公开了我们的源代码,这些代码可以在https://github.com/Uehwan/VisionForPedestrian上获得
2022-02-22 cs.CV
Enabling Intelligent Traffic Systems: A Deep Learning Method for Accurate Arabic License Plate Recognition
Damanhur University(达曼胡尔大学)
针对埃及阿拉伯车牌识别,本文提出图像处理定位与定制深度学习字符识别相结合的两阶段框架,在多样化数据集上达到99.3%准确率,可服务于智能交通管理。
2024-08-06 cs.AI cs.CV
Evidential Active Recognition: Intelligent and Prudent Open-World Embodied Perception
Northwestern University(西北大学);Wormpex AI Research(Wormpex人工智能研究院)
针对封闭世界假设下主动识别难以处理开放世界意外输入的问题,提出将主动识别视为序列证据收集过程,结合证据组合理论提供逐步不确定性量化与可靠预测,并设计适用于开放世界的奖励函数,在室内模拟器数据集上验证了其优越性能。
2023-11-23 cs.CV cs.RO
Unlocking the power of partnership: How humans and machines can work together to improve face recognition
National Institute of Standards and Technology(美国国家标准与技术研究院);The University of Texas at Dallas(德克萨斯大学达拉斯分校);School of Behavioral and Brain Sciences(行为与脑科学学院)
本研究明确人机协同提升人脸识别准确率的适用条件,提出智能人机融合方法,其性能优于单独机器或全人机融合,可降低低性能人员对准确率的影响。
2026-08-26 cs.CV
VAD-Net: Multidimensional Facial Expression Recognition in Intelligent Education System
Teachers’ College, Beijing Union University(北京联合大学师范学院);University of Chinese Academy of Social Sciences(中国社会科学院大学)
VAD-Net通过引入正交卷积提升VAD多维情绪预测,提供新的标注数据集和基线网络
2025-12-06 cs.CV
Intelligent Approaches to interact with Machines using Hand Gesture Recognition in Natural way: A Survey
BITS, Pilani(皮拉尼伯拉理工学院);CEERI(中央电子工程研究所);Tezpur University(提斯浦尔大学)
手势识别是工程师、科学家和生物信息学的主要研究领域之一。HGR是人机交互的自然方式,今天学术界和工业界的许多研究人员正在研究不同的应用程序,使交互更加简单,自然和方便,而无需佩戴任何额外的设备。HGR可以应用于从游戏控制到视觉机器人控制,从虚拟现实到灵巧家庭系统。在本文中,我们讨论了在手势识别领域所做的工作,重点是智能方法,包括软计算为基础的方法,如人工神经网络,模糊逻辑,遗传算法等,在图像的预处理方法分割和手图像的建设也考虑到了研究。在基于外观的建模中,大多数研究人员使用指尖进行手部检测。最后对不同研究者的结果进行了比较。
2013-03-10 cs.CV cs.HC
Financial ticket intelligent recognition system based on deep learning
Xi’an Network Computing Data Technology Co., Ltd.(西安网络计算数据技术有限公司)
面对金融票证(或票据、发票等)签发量的快速增长,传统的手工发票报销和财务会计系统给财务会计人员带来了越来越大的负担,消耗了过多的人力。针对这一问题,提出了一种迭代自学习的金融票证智能识别系统框架(FFTRS),该框架能够支持算法模型的快速迭代更新和可扩展性,这是实际金融核算系统的基本要求。此外,本文还设计了一个简单高效的金融票证快速检测网络(FTFDNet)和一个智能金融票证数据仓库,以增强其效率和性能。目前,该系统可识别194种金融票证,并具有自动迭代优化机制,这意味着,随着应用时间的增加,系统支持的票证种类将不断增加,识别准确率也将不断提高。实验结果表明,该系统的平均识别准确率为97.07%,单张车票的平均运行时间为175.67ms。该系统的实用价值在一次商业应用中得到了检验,为深度学习技术在财务会计工作中的应用做出了有益的尝试。
2020-10-29 cs.CV cs.LG
SIMILARnet: Simultaneous Intelligent Localization and Recognition Network
McGill University(麦吉尔大学);University of Southern California(南加州大学);Indian Institute of Technology(印度理工学院)
全局平均池(GAP)[4]之前已用于生成图像分类任务的类激活。SIMILARnet背后的动机来自卷积滤波器拥有基本特征的位置信息,因此,特征图的组合可以帮助我们定位图像中的类实例。我们提出了一个生物启发的模型,是免费的差分连接,不需要单独的训练,从而减少计算开销。我们的新架构产生了有前途的结果,与现有的方法不同,该模型对输入图像的大小不敏感,因此有希望获得更广泛的应用。实验代码和插图可以在https://github.com/brcsomnath/Advanced-GAP上找到。
2017-11-08 cs.AI cs.CV
A Critical Analysis on Machine Learning Techniques for Video-based Human Activity Recognition of Surveillance Systems: A Review
Rajshahi University of Engineering & Technology(拉杰沙希工程技术大学)
本文批判性综述了监控系统中基于视频的人体活动识别技术,系统比较了CNN、RNN、HMM、K均值聚类等机器学习与深度学习方法在特征提取、参数初始化和准确率等方面的表现,旨在为研究者提供有效方案并展望未来发展方向。
2024-09-01 cs.CV
Intelligent Frame Selection as a Privacy-Friendlier Alternative to Face Recognition
Ghent University - imec(根特大学 - imec)
用于面部识别的监控摄像头的广泛部署引起了许多隐私问题。这项研究提出了一种隐私友好的替代大规模面部识别。虽然有多种技术可以保护隐私,但我们的工作是基于最小化原则,即尽量减少收集的个人数据量。我们建议自动提取每个检测到的人的高质量快照,而不泄露他或她的身份,而不是在所有视频数据上运行面部识别软件。然后,此快照将被加密,并且只有在合法授权后才能授予访问权限。本文提出了一种新的无监督人脸图像质量评价方法,用于选择高质量的快照。为此,我们训练一个变分自编码器上的高质量的人脸图像从公开的数据集,并使用重建概率作为一个度量来估计每个面裁剪的质量。我们的实验证实,重建概率可以用作生物质量预测。与大多数以前的研究不同,我们不依赖于手动定义的人脸质量指标,因为一切都是从数据中学习的。我们的人脸质量评估方法优于监督,无监督和一般的图像质量评估方法的任务,提高人脸验证性能,拒绝低质量的图像。在静态图像和视频上定性地验证了整个系统的有效性。
2021-01-27 cs.CV cs.NE
Intelligent Character Recognition of Handwritten Forms with Deep Neural Networks
Institute for Machine Learning and Analytics (IMLA) Offenburg University(奥芬堡大学机器学习与分析研究所(IMLA))
提出一种通过深度神经网络将检测与分类合并为单一任务的手写字符识别方法,利用人工合成训练数据,在真实考试数据上达到88.28%的识别率。
2026-06-07 cs.AI cs.CV
A Benchmark of Ocular Disease Intelligent Recognition: One Shot for Multi-disease Detection
Nankai University(南开大学);Beijing Shanggong Medical Technology Co. Ltd(北京上工医疗科技有限公司)
在眼科,早期眼底筛查是预防眼科疾病致盲的一种经济有效的方法。临床上,由于医疗资源匮乏,人工诊断费时费力,可能延误病情。随着深度学习的发展,一些眼科疾病的研究取得了很好的效果,然而,大多数研究都只是基于一种疾病。在眼底筛查中,眼科医生通常会对双眼眼底图像进行多疾病的诊断,为了满足真实的医疗场景,我们发布了一个包含8种疾病的数据集,其中包含5,000名患者双眼的10,000张眼底图像。我们通过一些最先进的深度神经网络对它做了一些基准实验。我们发现单纯增加网络规模并不能很好地解决多疾病分类问题,需要一种结构良好的结合多疾病特征的特征融合方法。希望通过本文的工作,推动相关领域的研究。
2021-02-16 cs.AI cs.CV
Intelligent Parsing: An Automated Parsing Framework for Extracting Design Semantics from E-commerce Creatives
Suning(苏宁)
针对电商创意素材设计语义提取难题,提出包含识别、预处理、智能命名与标签四层的自动化解析框架,提升下游智能创作效率,并在苏宁业务中显著提高素材曝光与点击率。
2023-12-28 cs.AI cs.CV
MLR (Memory, Learning and Recognition): A General Cognitive Model -- applied to Intelligent Robots and Systems Control
本文介绍了智能机器人和系统控制的新观点。提出和提出的认知模型:记忆,学习和识别(MLR),是努力弥合机器人,人工智能,认知科学和神经科学之间的差距。目前存在的差距使我们无法整合这四个研究领域的当前进展和成就,这些领域正在积极尝试以基于应用的方式或通用的方式定义智能。这种认知模型对智力的定义更加具体、参数化和详细。建议的MLR模型帮助我们创建一个通用的机器人和系统的控制模型,独立于其应用领域和平台,因为它主要是基于为机器人和系统控制提供的数据集。本文主要是提出和介绍这一概念,并试图在小范围内证明这一概念,首先通过实验。所提出的概念也适用于其他不同的平台,在实时以及仿真。
2019-07-12 cs.AI cs.CV cs.LG
Research on Detection of Floating Objects in River and Lake Based on AI Intelligent Image Recognition
The University of Chicago(芝加哥大学);University of Electronic Science and Technology of China(电子科技大学);Columbia University(哥伦比亚大学);Washington University in St. Louis(圣路易斯华盛顿大学)
本研究基于深度学习图像识别技术,提出河湖漂浮物检测系统,对比SSD、Faster-RCNN和YOLOv5模型,实验验证显著提升检测准确性和效率,为水质监测提供新途径。
2024-04-19 cs.AI cs.CV
Detection and Recognition of Malaysian Special License Plate Based On SIFT Features
Universiti Tunku Abdul Rahman (UTAR)(拉曼大学);MIMOS Berhad
汽车牌照自动识别系统的开发和应用是为了方便监视,执法,访问控制和智能交通监控,最少的人为干预。针对马来西亚特殊车牌识别问题,提出了一种基于SIFT特征点聚类和匹配的识别算法。这些特殊的车牌不遵循标准车牌的格式,因为它们可能包含斜体,草书,连接和小写字母。对150幅不同环境下的马来西亚车牌图像进行了实验,实验结果表明该算法具有较好的鲁棒性。
2015-04-27 cs.CV
MAT-CNN-SOPC: Motionless Analysis of Traffic Using Convolutional Neural Networks on System-On-a-Programmable-Chip
University of Essex(埃塞克斯大学)
智能交通系统(ITS)已成为现代“智慧城市”框架的重要支柱,需要机器的智能参与。流量负载识别可以被归类为这样的系统的一个重要的和具有挑战性的问题。最近,卷积神经网络(CNN)模型由于其准确的预测能力,在天气分类、通过图像进行人权侵犯检测等许多领域引起了相当大的兴趣。本文在可编程片上系统(System-On-a-Programmable-Chip,SOPC)平台上解决了现实生活中的流量负载识别问题,并将其称为MAT-CNN- SOPC,它使用了CNN在已知环境下的智能再训练机制。所提出的方法是能够提高2.44倍的最先进的相比,并通过实验分析证明的方法的功效。我们还引入了一个数学方程,该方程能够量化使用不同的CNN模型对基于特定应用的实现的适用性。
2018-08-14 cs.CV
A Feature-based Approach for the Recognition of Image Quality Degradation in Automotive Applications
b-plus technologies GmbH(b-plus技术有限公司)
摄像头在现代驾驶辅助系统中发挥着至关重要的作用,是自动驾驶传感器技术的重要组成部分。车载摄像机采集的图像质量对视觉感知系统的性能有很大影响。本文提出了一种基于特征的算法来检测某些影响,可以降低图像质量的汽车应用。该算法是基于智能选择的重要功能。由于特征数量较少,即使在小数据集上,该算法也表现良好。不同数据集的实验结果表明,该算法可以检测出附着在相机镜头上的污垢,并对不同类型的图像退化进行分类。
2023-03-13 cs.CV
Real-Time Multi-Modal Embedded Vision Framework for Object Detection Facial Emotion Recognition and Biometric Identification on Low-Power Edge Platforms
1,2Department of Mechatronics Engineering, Rajshahi University of Engineering \& Technology 3 ,4,5Department of Internet of Things;Robotics Engineering, University of Frontier Technology, Bangladesh 6Department of Computer Science;Engineering, Varendra University, Rajshahi, Bangladesh 7Department of Robotics, Robo Tech Valley, Dhaka, Bangladesh Emails: , , 3
本文提出了一种面向低功耗边缘平台的实时多模态视觉框架,通过自适应调度机制整合目标检测、面部识别和情绪检测,提升边缘设备上的智能感知效率与隐私保护。
2026-01-17 cs.CV
Facial emotion recognition using min-max similarity classifier
Nazarbayev University(纳扎尔巴耶夫大学)
从成像模板识别人类情感在各种各样的人机交互和智能系统应用中是有用的。然而,使用图像模板匹配技术的面部表情的自动识别受到面部特征和记录条件的自然变化的影响。尽管近年来人脸情感识别取得了很大的进展,但有效且计算简单的特征选择和分类技术仍然是一个悬而未决的问题。在本文中,我们提出了一个有效的和简单的面部表情识别算法,以减少分类过程中的类间像素不匹配的问题。所提出的方法包括像素归一化的应用程序,以消除强度偏移,随后与最小最大度量的最近邻分类器,能够抑制特征离群值。实验结果表明,在JAFFE数据库上测试时,所提出的Min-Max分类方法的识别性能从92.85%提高到98.57%。所提出的情感识别技术优于现有的模板匹配方法。
2018-01-01 cs.CV
DeepSORT-Driven Visual Tracking Approach for Gesture Recognition in Interactive Systems
Loughborough University(拉夫堡大学);University of Southern California(南加州大学);University of Michigan(密歇根大学)
本文提出基于 DeepSORT 的视觉跟踪手势识别方法,结合卡尔曼滤波与深度特征,验证其在遮挡、模糊和多目标场景下的实时准确跟踪能力。
2025-05-11 cs.CV cs.HC
Adaptive Feature Processing for Robust Human Activity Recognition on a Novel Multi-Modal Dataset
Loughborough University London(拉夫堡大学伦敦校区);Institute for Digital Technologies(数字技术研究所)
人类活动识别(HAR)是许多新兴应用的关键组成部分,如智能移动、体育分析、环境辅助生活和人机交互。有了强大的HAR,系统将变得更加人性化,从而实现更安全、更有同理心的自主系统。虽然随着深度卷积神经网络(CNN)的出现,人体姿势检测取得了重大进展,但最先进的研究几乎完全集中在单一的传感模式上,特别是视频。然而,在安全关键应用中,必须利用多个传感器模态以实现稳健的操作。为了利用最先进的HAR机器学习技术的优势,拥有多模态数据集是非常重要的。在本文中,我们提出了一个新颖的多模态传感器数据集,其中包括9个室内活动,由16名参与者执行,并由室内应用和自动驾驶汽车中常用的四种传感器捕获。该多模态数据集是同类数据集中第一个公开提供的数据集,可用于许多需要HAR的应用,包括体育分析、医疗保健辅助和室内智能移动。我们提出了一种新的数据预处理算法,使自适应特征提取从数据集被利用不同的机器学习算法。通过严格的实验评估,本文回顾了机器学习方法的姿态识别的性能,并分析了算法的鲁棒性。当使用我们新数据集的RGB深度数据执行HAR时,深度神经网络等机器学习算法在所有静态和动态活动中的分类平均准确率高达96.8
2019-01-09 cs.CV
Intelligent Known and Novel Aircraft Recognition -- A Shift from Classification to Similarity Learning for Combat Identification
National University of Computer and Emerging Sciences(国家计算机与新兴科学大学);Prince Sattam Bin Abdulaziz University(沙特萨勒曼·本·阿卜杜勒阿齐兹王子大学)
本文针对低分辨率遥感影像中已知与新型飞机识别难题,提出基于相似性学习的端到端框架,结合度量学习与小样本分类,在飞机类型和新型识别上分别取得0.861和0.936的F1分数。
2024-02-26 cs.AI cs.CV
Visual Social Relationship Recognition
National University of Singapore(新加坡国立大学);University of Minnesota(明尼苏达大学)
社会关系是人类社会结构的基础。开发计算模型来从视觉数据中理解社会关系,对于构建能够在社会环境中更好地与人类互动的智能机器至关重要。在这项工作中,我们研究了图像中的视觉社会关系识别问题。我们提出了一个社会关系识别的双视线模型,其中第一眼注视感兴趣的人,第二眼部署注意力机制,以利用上下文线索。为了实现这项研究,我们策划了一个大规模的社会背景中的人(PISC)数据集,其中包括23,311张图像和79,244对带有注释的社会关系的人。由于视觉识别社会关系具有一定程度的不确定性,我们进一步提出了一个自适应焦点损失,利用模糊的注释,更有效的学习。我们进行了大量的实验,定量和定性地证明了我们提出的方法的有效性,这产生了最先进的性能社会关系识别。
2018-12-13 cs.CV
Multi-Modal Recognition of Worker Activity for Human-Centered Intelligent Manufacturing
在以人为中心的智能制造系统中,感知和理解工人的活动是首要任务。在本文中,我们提出了一种新的多模态方法,利用不同传感器和不同模态的信息进行工人活动识别。具体地,智能臂带和视觉摄像头分别用于捕获惯性测量单元(IMU)信号和视频。对于IMU信号,我们在频域和空间域中设计了两种新的特征变换机制,以将捕获的IMU信号组装为图像,这允许使用卷积神经网络来学习最具鉴别力的特征。除了上述两种形式,我们还提出了视频数据的其他两种形式,分别在视频帧和视频剪辑级别。四种模态中的每一种都返回关于活动预测的概率分布。然后,这些概率分布被融合以输出工人活动分类结果。建立了6个活动的工人活动数据集,目前包含装配任务中的6个常见活动,抓住工具/零件,钉钉子,使用电动螺丝刀,休息手臂,转动螺丝刀,使用扳手。开发的多模态方法在此数据集上进行评估,并在留一法和对半实验中分别达到高达97%和100%的识别准确率。
2019-08-20 cs.CV cs.HC cs.LG
Intelligent Reference Curation for Visual Place Recognition via Bayesian Selective Fusion
University of Melbourne(墨尔本大学);Queensland University of Technology(昆士兰科技大学)
视觉位置识别(VPR)的一个关键挑战是识别位置,尽管由于一天中的时间,季节,天气或照明条件等因素而导致视觉外观发生剧烈变化。基于深度学习的图像描述符、序列匹配、域转换和概率定位的许多方法都成功地解决了这一挑战,但大多数方法都依赖于可能地点的精心策划的代表性参考图像的可用性。在本文中,我们提出了一种新的方法,称为贝叶斯选择性融合,积极选择和融合信息参考图像,以确定最佳的地方匹配给定的查询图像。我们的方法的选择性元素避免了每个参考图像的适得其反的融合,并能够在视觉条件不断变化的环境中动态选择信息参考图像(例如室内闪烁的灯光,在阳光下或在昼夜循环期间的室外)。我们的方法的概率元素提供了一种融合多个参考图像的方法,该方法通过一种新的VPR无训练似然函数来解释它们的不确定性。在两个基准数据集的困难查询图像上,我们证明了我们的方法匹配并超过了几种替代融合方法的性能,以及最先进的技术,这些技术提供了最佳参考图像的先验(不公平)知识。我们的方法非常适合于长期的机器人自主性,其中动态视觉环境是常见的,因为它是免费的,不可知的,并补充现有的技术,如序列匹配。
2021-01-03 cs.CV cs.RO
Intelligent recognition of GPR road hidden defect images based on feature fusion and attention mechanism
Harbin Institute of Technology(哈尔滨工业大学)
本研究提出基于特征融合与注意力机制的GPR道路隐缺陷图像识别框架,通过数据增强、多模态特征融合和迁移学习提升检测精度与鲁棒性。
2025-12-25 cs.AI cs.CV
A Multi-Task Deep Learning Framework for Real-Time Intelligent Video Surveillance with Temporal Event Validation
提出统一多任务深度学习框架,在共享GPU平台上同时执行多种识别检测任务。针对特定场景提出模型,集成检测模块到时间事件验证架构,提升性能并保持实时性,为智能视频监控提供有效方案。
2026-07-07 cs.AI cs.CV
Intelligent Diagnosis Using Dual-Branch Attention Network for Rare Thyroid Carcinoma Recognition with Ultrasound Imaging
Shanghai Key Laboratory of Multidimensional Information Processing, East China Normal University(上海多维信息处理重点实验室,华东师范大学);School of Mathematics and Physics, Xi'an Jiaotong-Liverpool University(西安交通大学利物浦大学数学与物理学院);Department of Ultrasound, Shanghai Tenth People's Hospital(上海第十人民医院超声科);Shanghai Engineering Research Center of Ultrasound Diagnosis and Treatment, Tongji University School of Medicine(上海超声诊断与治疗工程研究中心,同济大学医学院);Department of Mathematical Sciences, University of Liverpool(利物浦大学数学科学系)
本文提出基于双分支注意力网络的CSASN框架,通过整合EfficientNet和ViT实现罕见甲状腺癌的高效识别与分类。
2026-03-04 cs.CV eess.IV
Towards Efficient and Intelligent Laser Weeding: Method and Dataset for Weed Stem Detection
Shanghai Artificial Intelligence Laboratory(上海人工智能实验室);Yazhouwan National Laboratory(崖州湾国家实验室);Dalian University of Technology(大连理工大学)
针对激光除草中杂草茎检测的研究空白,本研究构建端到端检测系统及含7161张图片、11151个杂草实例的标注数据集,实验证明其除草准确率提升6.7%、能耗降低32.3%。
2025-02-10 cs.AI cs.CV
Multimodal Affect Recognition using Kinect
Louisiana State University(路易斯安那州立大学)
在过去的十年里,情感识别得到了研究者的极大关注。感知导航的计算机系统和设备具有从交互式机器人、智能在线教师到基于情感的导航助手的许多应用。在这项研究中,来自多个模态的数据,如面部,头部,手部,身体和语音被用于情感识别。该研究使用Kinect等颜色和深度传感设备进行面部特征提取和人体关节跟踪。跨多帧的时间特征用于情感识别。事件驱动的决策层融合被用来结合来自每个单独的模态的结果,使用多数投票来识别情绪。该研究还通过将特征与基于规则的情感模板进行匹配来实现情感识别。实验结果表明,多模态情感识别率相结合的情感模板和监督学习是更好的识别率相比,基于监督学习单独。使用时间特征获得的识别率高于仅使用基于位置的特征获得的识别率。
2016-07-09 cs.CV cs.HC
AI Online Filters to Real World Image Recognition
Stanford University(斯坦福大学);Sunnyvale, USA(美国桑尼维尔(Sunnyvale, USA))
用标记数据集训练的深度人工神经网络广泛用于当今的许多视觉和机器人应用中。在人工智能方面,这些被称为反射模型,指的是它们不会自我进化或主动适应环境变化的事实。随着对智能机器人控制的需求扩展到许多高级任务,强化学习和基于状态的模型发挥着越来越重要的作用。在此,在计算机视觉和机器人领域,我们研究了一种新的方法来增加强化控制到图像识别反射模型,以获得更好的整体性能,特别是更广泛的环境范围超出了预期的任务反射模型。遵循一个共同的基础设施与环境传感和基于AI的建模自适应代理,我们实现了多种类型的AI控制代理。最后,我们提供了这些代理与基线的比较结果,并深入分析了它们的好处,以提高在现实世界中的整体图像识别性能。
2020-02-11 cs.AI cs.CV
CMD-HAR: Cross-Modal Disentanglement for Wearable Human Activity Recognition
CMD-HAR通过交叉模态解耦和时空注意力机制,提升可穿戴设备中人类活动识别的准确性和部署效率。
2026-02-05 cs.AI cs.CV
An Enhanced Low-Resolution Image Recognition Method for Traffic Environments
针对交通场景低分辨率图像识别难题,本文提出融合特征子空间、中间层特征与知识蒸馏的双分支残差网络,提升识别精度并降低计算开销。
2023-09-28 cs.CV cs.RO eess.IV
Emotion Recognition in Horses with Convolutional Neural Networks
MIT Center for Collective Intelligence(麻省理工学院集体智能中心);MiMer Centre(MiMer中心);University of Cologne(科隆大学)
创建能够识别情绪的智能系统是一项艰巨的任务,特别是在观察动物的情绪时。本文描述了设计一个“概念证明”系统来识别马的情绪的过程。该系统由两个元素组成,探测器和模型。该检测器是一个快速的基于区域的卷积神经网络,检测图像中的马。该模型是一个卷积神经网络,可以预测这些马的情绪。这两个元素使用多个马的图像进行训练,直到它们在任务中达到高精度。总共收集了400幅马的图像并标记以训练检测器和模型,同时使用40幅来测试系统。一旦这两个组成部分得到验证,它们就被组合成一个可测试的系统,该系统将根据已建立的行为特征图来检测马的情绪,这些行为特征图通过头部、颈部、耳朵、口吻和眼睛的位置来指示情绪影响。该系统在验证集上的准确率为80%,在测试集上的准确率为65%,这表明使用自主智能系统预测动物的情绪是可能的。这样的系统具有多种应用,包括在动物情感的增长领域以及在兽医领域中的进一步研究,以确定马或其他牲畜的身体福利。
2022-07-17 cs.CV cs.LG q-bio.QM
Modeling the Trade-off of Privacy Preservation and Activity Recognition on Low-Resolution Images
Tsinghua University(清华大学);Zhongguancun Laboratory(中关村实验室);University of Washington(华盛顿大学)
使用低分辨率图像传感器的计算机视觉系统可以提供智能服务(例如,活动识别),但从硬件级别保留不必要的视觉隐私信息。然而,保护视觉隐私和实现准确的机器识别对图像分辨率有着对立的需求。对隐私保护和机器识别性能的权衡进行建模可以指导未来使用低分辨率图像传感器的隐私保护计算机视觉系统。在本文中,使用在家里的日常生活活动(ADL)的情况下,我们首先获得了最重要的视觉隐私功能,通过用户调查。然后,我们量化和分析了图像分辨率对人类和机器识别性能的影响,在活动识别和隐私意识任务。我们还研究了现代图像超分辨率技术如何影响这些效果。基于这些结果,我们提出了一种在低分辨率图像上对隐私保护和活动识别进行权衡的建模方法。
2023-03-18 cs.CV cs.HC cs.LG