MM-Tracker: Motion Mamba with Margin Loss for UAV-platform Multiple Object Tracking
Fudan University(复旦大学);Tencent Youtu Lab(腾讯优图实验室);Shanghai Ocean University(上海海洋大学);University of Iceland(冰岛大学)
针对无人机多目标跟踪中局部全局运动并存、运动模糊影响检测的问题,提出含Motion Mamba模块与运动边际损失的MM-Tracker,在两个开源数据集上性能超现有最优水平。
2024-12-12 cs.CV
Large Margin Image Set Representation and Classification
University at Buffalo, The State University of New York(纽约州立大学布法罗分校);King Abdullah University of Science and Technology (KAUST)(阿卜杜拉国王科技大学)
在本文中,我们提出了一种新的图像集表示和分类方法,通过最大化的边缘的图像集。图像集的边缘定义为到不同类别的最近图像集的距离与到同一类别的最近图像集的距离之差。通过使用它们的图像样本和它们的仿射壳模型对图像集进行建模,并且最大化图像集的边缘,将图像集表示参数学习问题表示为最小化问题,该最小化问题在迭代算法中通过具有加速邻近梯度(APG)优化的期望最大化(EM)策略进一步优化。为了对给定的测试图像集进行分类,我们将其分配到可以提供最大余量的类。在两个基于视频序列的人脸识别应用上的实验表明,该方法在有效性和效率方面明显优于最先进的图像集分类方法。
2014-04-22 cs.CV
Large Margin Object Tracking with Circulant Feature Maps
Zhejiang University(浙江大学);Exacloud Limited(Exacloud有限公司)
基于结构输出支持向量机的跟踪算法近年来表现出良好的性能。然而,耗时的候选采样和复杂的优化限制了它们的实时应用。本文提出了一种新的大间隔目标跟踪方法,该方法吸收了结构化输出支持向量机的强鉴别能力,并通过相关滤波算法显着提高了速度。其次,提出了一种多模态目标检测技术,以提高目标定位精度,并防止由相似目标或背景噪声引入的模型漂移。第三,我们利用高置信度跟踪结果的反馈,以避免模型腐败问题。我们实现了两个版本的建议跟踪器与传统的手工制作和深度卷积神经网络(CNN)为基础的功能,以验证算法的强兼容性的表示。实验结果表明,所提出的跟踪器的性能优于几个国家的最先进的算法上具有挑战性的基准序列,同时运行速度超过每秒80帧。源代码和实验结果将公开提供。
2017-03-20 cs.CV
MOTS R-CNN: Cosine-margin-triplet loss for multi-object tracking
School of Computing and Electrical Engineering, Indian Institute of Technology, Mandi(曼迪印度理工学院计算与电气工程学院)
多目标跟踪的中心任务之一是学习与对象的语义相似性一致的距离度量。设计一个适当的损失函数来鼓励区分性特征学习是基于深度神经网络的度量学习中最关键的挑战之一。尽管取得了重大进展,但现有的基于对比和三元组损失的深度度量学习方法的收敛速度慢和局部最优性差,需要更好的解决方案。本文从余弦距离的角度出发,通过对对比损失函数和三重损失函数的重新定义,提出了余弦边际对比损失(CMC)和余弦边际三重损失(CMT).所提出的重构为余弦损失是通过特征归一化来实现的,该特征归一化将学习到的特征分布在超球面上。然后,我们提出了用于联合多对象跟踪和分割的MOTS R-CNN框架,特别针对提高跟踪性能。具体而言,跟踪问题通过基于所提出的损失函数的深度度量学习来解决。我们提出了一个尺度不变的跟踪,通过使用多层特征聚合计划,使模型对对象的规模变化和遮挡鲁棒性。MOTS R-CNN在KITTI MOTS数据集上实现了最先进的跟踪性能。我们表明,与Track R-CNN相比,MOTS R-CNN分别在汽车和行人上减少了$62\%$和$61\%$的身份切换。
2021-02-06 cs.CV
Joint Max Margin and Semantic Features for Continuous Event Detection in Complex Scenes
Queensland University of Technology(昆士兰科技大学);Carnegie Mellon University(卡内基梅隆大学)
在本文中,复杂的事件检测在连续域(即未知的开始和结束位置的事件)的问题得到解决。现有的事件检测方法仅限于从视频的局部空间或时空补丁中提取的特征。然而,这使得模型容易受到具有类似概念的事件的影响,例如“打开抽屉”和“打开橱柜”。在这项工作中,为了解决上述限制,我们提出了一种新的模型的基础上结合的语义和时间特征提取的视频帧。我们训练的最大利润分类器上提取的功能,在一个自适应的框架,能够检测未知的开始和结束位置的事件。我们的模型是基于双向区域神经网络和大间隔结构输出支持向量机。我们的模型的通用性允许它简单地应用于不同的标记和未标记的数据集。最后,我们在三个具有挑战性的数据集上测试了我们的算法,“UCF 101-动作识别”,“MPII烹饪活动”和“好莱坞”,我们报告了最先进的性能。
2017-06-13 cs.CV
Max-margin Class Imbalanced Learning with Gaussian Affinity
Inception Institute of Artificial Intelligence(人工智能 inception 研究院);University of Canberra(堪培拉大学);Australian National University(澳大利亚国立大学);Beijing Institute of Technology(北京理工大学)
现实世界中的对象类以不平衡的比例出现。这对偏向频繁类的分类器提出了重大挑战。我们假设,提高分类器的泛化能力应该可以提高对不平衡数据集的学习。在这里,我们介绍了第一个混合损失函数,共同执行分类和聚类在一个单一的配方。我们的方法是基于欧几里德空间中的“亲和度度量”,它带来了以下好处:(1)直接执行分类边界上的最大边缘约束,(2)一种易于处理的方法来确保均匀间隔和等距的聚类中心,(3)灵活地学习多个类原型,以支持特征空间中的多样性和可辨别性。我们广泛的实验表明,在多个不平衡数据集上的视觉分类和验证任务的性能显着改善。建议的丢失可以很容易地作为可区分的块插入任何深层架构中,并展示了对不同级别的数据不平衡和损坏标签的鲁棒性。
2019-01-23 cs.CV
Max-margin Deep Generative Models
Stanford University(斯坦福大学);Tsinghua University(清华大学)
深度生成模型(DGMs)在学习复杂数据的多层表示和通过探索生成能力来执行输入数据的推理方面是有效的。然而,很少有工作已经做了检查或授权的判别能力的DGMs作出准确的预测。本文提出了最大间隔深度生成模型(mmDGMs),该模型探索了最大间隔学习的强区分原则,以提高DGMs的区分能力,同时保留生成能力。针对分段线性目标,提出了一种有效的双随机次梯度算法。在MNIST和SVHN数据集上的实验结果表明,(1)最大间隔学习可以显着提高DGMs的预测性能,同时保持生成能力;(2)通过采用深度卷积神经网络(CNN)作为识别和生成模型,mmDGMs与最先进的完全判别网络相比具有竞争力。
2015-12-15 cs.CV cs.LG
Online Data Curation for Object Detection via Marginal Contributions to Dataset-level Average Precision
Sony Group Corporation(索尼集团)
DetGain是一种针对目标检测的在线数据整理方法,通过估计图像对数据集层面平均精度的边际影响,提升检测性能并增强鲁棒性。
2026-03-03 cs.CV
Lecture video indexing using boosted margin maximizing neural networks
Illinois Institute of Technology(伊利诺伊理工学院)
本文提出了一种使用增强型深度卷积神经网络系统进行讲座视频索引的新方法。通过将高质量的幻灯片图像(其文本是已知的或提取的)与可能具有噪声、透视失真和遮挡的较低分辨率的视频帧相匹配来执行索引。我们提出了一个集成了boosting框架的深度神经网络,该框架由两个子网络组成,分别针对特征提取和相似性确定来执行匹配。训练后的网络作为输入的一对幻灯片图像和候选视频帧图像,并产生它们之间的相似性。在训练过程中,一个增强框架被集成到我们提出的网络中。实验结果表明,该方法是更有能力处理遮挡,空间变换,和其他类型的噪声相比,已知的方法。
2017-12-02 cs.CV
Max-Margin Deep Generative Models for (Semi-)Supervised Learning
Tsinghua University(清华大学)
深度生成模型(DGMs)在学习复杂数据的多层表示和通过探索生成能力来执行输入数据的推理方面是有效的。然而,这是相对不够的,以赋予区分能力的DGMs作出准确的预测。本文提出了最大间隔深度生成模型(mmDGMs)和类条件变体(mmDCGMs),它们探索了最大间隔学习的强判别原理,以提高DGMs在监督和半监督学习中的预测性能,同时保留生成能力。在半监督学习中,我们使用最大间隔分类器的预测作为缺失标签,而不是执行完整的后验推理以提高效率;为了提高效率,我们还引入了额外的未标记数据的最大间隔和标签平衡正则化项。针对分段线性目标问题,提出了一种有效的双随机次梯度算法。在不同数据集上的实验结果表明:(1)最大间隔学习可以显著提高DGM的预测性能,同时保持DGM的生成能力;(2)在监督学习中,当采用卷积神经网络作为生成和识别模型时,mmDGM可以与最好的全判别网络相竞争;(3)在半监督学习中,mmDCGM可以进行有效的推理,并在多个基准上获得最先进的分类结果。
2016-11-22 cs.CV cs.LG stat.ML
Max-Margin Contrastive Learning
Johns Hopkins University(约翰霍普金斯大学);Massachusetts Institute of Technology(麻省理工学院);Mitsubishi Electric Research Labs(三菱电机研究实验室)
标准的对比学习方法通常需要大量的否定来进行有效的无监督学习,并且通常表现出缓慢的收敛。我们怀疑这种行为是由于用于提供阳性对比度的阴性的次优选择。我们从支持向量机(SVMs)中获得灵感,提出了最大间隔对比学习(MMCL),从而克服了这一困难。我们的方法选择消极的稀疏支持向量,通过二次优化问题获得的,和对比性是通过最大化的决策余量。由于SVM优化在计算上要求很高,特别是在端到端的设置中,我们提出了减轻计算负担的简化方法。我们在标准视觉基准数据集上验证了我们的方法,在无监督表示学习中表现出比最先进的更好的性能,同时具有更好的经验收敛特性。
2021-12-21 cs.AI cs.CV cs.LG
3D Object Instance Recognition and Pose Estimation Using Triplet Loss with Dynamic Margin
Technical University of Munich(慕尼黑工业大学);Siemens AG(西门子股份公司)
在本文中,我们使用卷积神经网络来解决在杂乱环境中的3D物体实例识别和局部物体姿态估计问题。受Wohlhart等人的描述符学习方法的启发,我们提出了一种在流形学习三元组损失函数中引入动态裕度的方法。这种损失函数被设计为将不同姿态下的不同对象的图像映射到低维的相似性保持描述符空间,在该描述符空间上可以应用有效的最近邻搜索算法。引入动态余量允许更快的训练时间和得到的低维流形的更好的精度。此外,我们还提供以下服务:添加面内旋转(被基线方法忽略)到训练中,提出新的背景噪声类型,其有助于更好地模拟现实场景并提高关于杂波的准确性,添加表面法线作为表示对象表面的另一个强大的图像模态,导致比仅仅深度更好的性能,最后实现有效的在线批量生成,其允许在训练阶段期间更好的可变性。我们进行详尽的评估,以证明我们的贡献的影响。此外,我们评估了该算法在大型BigBIRD数据集上的性能,以证明管道在模型数量方面具有良好的可扩展性。
2019-04-09 cs.CV cs.RO
Instance-based Max-margin for Practical Few-shot Recognition
State Key Laboratory for Novel Software Technology(计算机软件新技术国家重点实验室);Nanjing University(南京大学)
本文提出实用少样本学习设定pFSL及基于实例的最大间隔方法IbM2,利用高斯环面定理将随机噪声转化为最大间隔机制,在多种预训练和FSL任务中显著优于基线方法。
2023-05-27 cs.AI cs.CV
Max-Margin Invariant Features from Transformed Unlabeled Data
Carnegie Mellon University(卡内基梅隆大学)
研究对数据的常见变换不变的表示对于学习是重要的。大多数技术都集中在昂贵的优化框架内实现的局部近似不变性,缺乏明确的理论保证。在本文中,我们研究内核是不变的酉群,同时有理论保证,在解决重要的实际问题的不可用的转换版本的标记数据。我们称之为无标记转换问题,它是半监督学习和一次性学习的一种特殊形式。我们提出了一个理论上的动机替代方法不变核SVM的基础上,我们提出最大利润不变特征(MMIF)来解决这个问题。作为一个例子,我们设计了一个人脸识别的框架,并在一个包含153,000张图像的大规模半合成数据集上展示了我们的方法的有效性,以及一个新的具有挑战性的野生标记人脸(LFW)协议,同时表现出强大的基线。
2017-10-24 cs.AI cs.CV cs.LG
Large Margin Structured Convolution Operator for Thermal Infrared Object Tracking
Shenzhen Graduate School, Harbin Institute of Technology(哈尔滨工业大学深圳研究生院)
与可见光目标跟踪相比,热红外(TIR)目标跟踪不受光照变化的影响,可以在全黑环境下跟踪任意目标。然而,有许多不必要的属性限制了TIR跟踪的潜力,例如缺乏视觉颜色图案和低分辨率。最近,结构化输出支持向量机(SOSVM)和判别相关滤波器(DCF)已分别成功地应用于可见光目标跟踪。受此启发,本文提出了一种大间隔结构卷积算子(LMSCO)来实现高效的TIR目标跟踪。为了提高跟踪性能,我们采用空间正则化和隐式插值来获得连续的深度特征图,包括深度外观特征和深度运动特征,TIR目标。最后,一个协同优化策略,利用显着更新的运营商。我们的方法不仅继承了SOSVM的强鉴别能力的优势,但也实现了准确和强大的跟踪高维特征和更密集的样本。据我们所知,我们是第一个将DCF和SOSVM的优势结合起来进行TIR对象跟踪的公司。通过对VOT-TIR 2015和VOT-TIR 2016两个热红外跟踪基准的全面评估,我们的LMSCO跟踪器在准确性和鲁棒性方面都取得了令人印象深刻的结果,并在足够的帧速率下优于大多数最先进的跟踪器。
2018-07-19 cs.AI cs.CV cs.GR