Logo-VGR: Visual Grounded Reasoning for Open-world Logo Recognition
VCIP, CS, Nankai University(南开大学计算机科学与技术学院)
针对开放世界品牌 Logo 识别,本文提出 Logo-VGR 基准与比较式视觉扎根推理框架,通过领域知识注入和标识引导推理提升未见过品牌的泛化性能。
2025-09-30 cs.CV cs.LG
RL-LOGO: Deep Reinforcement Learning Localization for Logo Recognition
FA Research, Fast Accounting Co., Ltd.(FA研究,快会计株式会社)
本文提出RL-LOGO,一种基于深度强化学习的标志定位方法,无需位置标注即可识别标志区域,在Logo-2K+数据集上相比现有方法提升18个百分点准确性。
2023-12-28 cs.AI cs.CV cs.LG
Large Scale Open-Set Deep Logo Detection
Amazon(亚马逊);Pinterest(拼趣);Houzz;SUNY University at Buffalo(纽约州立大学布法罗分校);Google(谷歌)
我们提出了一个开集标志检测(OSLD)系统,它可以检测(本地化和识别)任何数量的看不见的标志类,而无需重新训练;它只需要一个小的一组规范的标志图像为每个标志类。我们使用两个阶段的方法来实现这一点:(1)通用标志检测,以检测图像中的候选标志区域。(2)标识匹配,用于将检测到的标识区域与一组规范标识图像进行匹配以识别它们。我们构建了一个包含12.1k个徽标类的开集徽标检测数据集,并将其发布用于研究目的。我们在我们的数据集和标准Flickr-32徽标数据集上展示了OSLD的有效性,大大优于最先进的开集和闭集徽标检测方法。OSLD可扩展到数百万个徽标类。
2022-03-12 cs.CV
Multi-Label Logo Recognition and Retrieval based on Weighted Fusion of Neural Features
University Institute for Computing Research, University of Alicante(阿利坎特大学计算研究所)
提出基于多标签深度神经网络特征加权融合的标志识别与检索方法,在European Union Trademarks数据集上显著降低归一化平均排名误差并提升标签排名平均精度。
2022-12-09 cs.CV
A New Method for Vehicle Logo Recognition Based on Swin Transformer
University of Shanghai for Science and Technology(上海理工大学);Capital One(第一资本)
针对现有车标识别方法训练成本高的问题,提出基于Swin Transformer的实时车标识别方案,经微调并结合迁移学习,在三个公开数据集上取得顶尖准确率,性能媲美现有最优方法,为智能交通系统发展提供支撑。
2024-01-27 cs.CV
Famous Companies Use More Letters in Logo:A Large-Scale Analysis of Text Area in Logo
Kyushu University(九州大学)
本文分析了LLD-logo数据集中的大量logo图像,通过最近基于深度学习的技术,不仅了解logo图像的设计趋势,还了解其与所有者公司的相关性。特别是,我们专注于三个标志图像和它们的文本区域之间的相关性,文本区域之间的Twitter上的追随者的数量,和标志图像之间的追随者的数量。各种研究结果包括文本面积比率与公司追随者数量之间的弱正相关。此外,深度回归和深度排名方法可以捕捉徽标图像与追随者数量之间的相关性。
2021-06-30 cs.CV
Deep Learning for Logo Detection: A Survey
Shandong Normal University(山东师范大学);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);University of Chinese Academy of Sciences(中国科学院大学)
随着标识的不断涌现,标识检测逐渐成为众多领域和任务的研究热点。这一领域的最新进展主要是基于深度学习的解决方案,其中采用了许多数据集、学习策略、网络架构等。本文综述了深度学习技术在logo检测中的应用进展。首先,我们讨论了一个全面的公共数据集,旨在促进标识检测算法的性能评估,这往往是更多样化,更具挑战性,更能反映现实生活。接下来,我们对现有的徽标检测策略以及每个学习策略的优点和缺点进行了深入分析。随后,我们总结了标识检测在各个领域的应用,从智能交通和品牌监测到版权和商标合规。最后,我们分析了潜在的挑战,并提出了未来的发展方向,标志检测完成本次调查。
2022-10-10 cs.CV
Deep Learning Logo Detection with Data Expansion by Synthesising Context
Queen Mary University of London(伦敦玛丽女王大学)
无约束图像中的徽标检测具有挑战性,特别是当由于高标签成本而只能访问非常稀疏的标记训练图像时。在这项工作中,我们描述了一种模型训练图像合成方法,能够显着提高标志检测性能时,只有少数(例如,10)在现实环境中捕获的带标签的训练图像是可用的,避免了大量的人工标签成本。具体来说,我们设计了一种新的算法,用于生成合成上下文标志(SCL)训练图像,以提高模型对未知背景杂波的鲁棒性,从而获得卓越的标志检测性能。对于基准模型性能,我们引入了一个新的徽标检测数据集TopLogo-10,该数据集收集了在丰富的视觉环境中捕获的前10个最受欢迎的服装/可穿戴品牌徽标。广泛的比较显示了我们提出的SCL模型的优势,超过了使用两个真实世界的标志基准数据集:FlickrLogo-32和我们新的TopLogo-10进行标志检测的最先进的替代方案。
2018-03-16 cs.CV
LogoStyleFool: Vitiating Video Recognition Systems via Logo Style Transfer
Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院);Fan Gongxiu Honors College, Beijing University of Technology(北京工业大学樊恭烋荣誉学院);Ping An Technology (Shenzhen) Co., Ltd.(平安科技(深圳)有限公司)
本文提出LogoStyleFool,一种在黑盒视频识别场景下通过区域标志风格迁移与强化学习加扰动优化实现高效且语义保持的攻击框架,性能优于现有补丁攻击并具备一定抗防御能力。
2024-04-01 cs.CR cs.CV
Logos as a Well-Tempered Pre-train for Sign Language Recognition
SberAI
针对孤立手语识别(ISLR)中跨语言训练数据有限、相似手势标注模糊的问题,提出Logos这一俄罗斯手语(RSL)数据集,其手语者数量最多且规模与词汇量领先,预训练模型可作为通用编码器提升跨语言及低资源任务性能。
2025-11-18 cs.CV
Scalable Deep Learning Logo Detection
Queen Mary University of London(伦敦玛丽女王大学);Vision Semantics Ltd.(视觉语义有限公司)
现有的标识检测方法通常考虑少量的标识类和每个类的有限图像,并强烈假设需要繁琐的对象限界框注释,因此不能扩展到真实世界的动态应用。在这项工作中,我们通过探索网络数据学习原理来应对这些挑战,而不需要详尽的手动标记。具体来说,我们提出了一种新的增量学习方法,称为可扩展的Logo Self-co-Learning(SL ^2),能够从嘈杂的Web数据中自动自我发现信息丰富的训练图像,以跨模型协同学习的方式逐步提高模型的能力。此外,我们介绍了一个非常大的(2,190,757图像的194个标志类)标志数据集“WebLogo-2 M”的自动网络数据汇集和处理方法。广泛的比较评估表明,所提出的SL ^2方法优于最先进的强监督和弱监督检测模型和当代网络数据学习方法。
2018-04-02 cs.CV
Logo-2K+: A Large-Scale Logo Dataset for Scalable Logo Classification
Shandong Normal University(山东师范大学);Institute of Computing Technology, Chinese Academy of Sciences(中国科学院计算技术研究所);Fairfield University(费尔菲尔德大学)
标志分类因其在版权侵权检测、产品推荐和上下文广告等方面的广泛应用而受到越来越多的关注。与其他类型的目标图像相比,真实世界的标志图像具有更大的多样性,标志外观和其背景的复杂性。因此,从图像中识别徽标具有挑战性。为了支持可扩展的徽标分类任务,我们策划了一个数据集Logo-2K+,这是一个新的大规模公开的真实世界徽标数据集,包含2,341个类别和167,140个图像。与FlickrLogos-32和LOGO-Net等现有的流行徽标数据集相比,Logo-2K+具有更全面的徽标类别覆盖范围和更大的徽标图像数量。此外,我们提出了一个判别区域导航和增强网络(DRNA-Net),它能够发现更多信息的标志区域,并增强这些图像区域的标志分类。DRNA-Net由四个子网络组成:导航子网络首先在教师子网络的引导下选择信息性标识相关区域,评估其属于地面真实标识类的置信度。然后,数据增强子网络通过区域裁剪和区域丢弃来增强所选择的区域。最后,审查者子网络融合来自增强区域和整个图像的特征用于标识分类。在Logo-2K+和其他三个已有的基准数据集上的综合实验证明了该方法的有效性。Logo-2K+和拟议的强基线DRNA-Net有望进一步发展可扩展的徽标图像识别,Logo-2K+数据集可以在https://github.com/msn199959/Logo-2k-plus-Dataset上找到。
2019-11-11 cs.CV
A Deep One-Shot Network for Query-based Logo Retrieval
University of Surrey(萨里大学);Jadavpur University(贾达普大学);Institute of Engineering & Management(工程与管理学院);Indian Institute of Technology Roorkee(印度理工学院鲁尔基分校);Indian Statistical Institute(印度统计研究所)
真实场景图像中的标志检测是广告和市场营销中的一个重要问题。现有的通用目标检测方法需要大的训练数据,每个标志类的注释。这些方法不能满足实际部署所需的标识类的增量需求,因为实际上不可能为新的不可见标识提供这样的注释数据。在这项工作中,我们开发了一个易于实现的基于查询的标识检测和定位系统,采用一次性学习技术。给定查询徽标的图像,我们的模型在给定的目标图像中搜索它,并通过估计二进制分割掩码来预测徽标的可能位置。该模型由条件分支和分割分支组成。前者给出了给定查询标识的条件潜在表示,该条件潜在表示与多个尺度下的分割分支的特征图相结合,以便在目标图像中找到查询标识的匹配位置,如果它存在的话。潜在查询表示和分割分支的多尺度特征图之间的特征匹配使用简单的级联操作,然后是1x 1卷积层,使我们的模型具有尺度不变性。尽管它很简单,我们基于查询的徽标检索框架在FlickrLogos-32和TopLogos-10数据集中取得了优于现有基线的性能。
2019-07-13 cs.CV
Logographic Character Visual Pretraining via Semantic-based Contrastive Learning
Queen Mary University of London(伦敦玛丽女王大学);Jilin University(吉林大学);King’s College London(伦敦国王学院);University College London(伦敦大学学院)
针对表意文字数据集不平衡问题,提出结合视觉与上下文语义的多模态学习方法,通过语义对比预训练提升字符识别性能,在多数据集及下游任务上优于现有最优方法。
2026-08-04 cs.AI cs.CV
Brand > Logo: Visual Analysis of Fashion Brands
eBay(易贝)
虽然很多人可能认为品牌开始和结束于一个标志,但时尚品牌通过广泛的视觉线索,如颜色,图案和形状来传达他们的独特性。在这项工作中,我们通过训练识别时尚品牌的深度网络来分析学习到的视觉表示。特别是,神经元的激活强度和程度进行了研究,以提供有趣的见解视觉品牌表达。所提出的方法确定了品牌在品牌战略频谱中的位置,即,从带有醒目标识的商标商品到隐含的无标识营销。通过量化注意力地图,我们能够解释单个图像中呈现的品牌视觉特征,并对品牌的总体设计方向进行建模。我们进一步研究了神经元的多功能性,发现了高度品牌特异性的“专家”和检测不同视觉特征的“通才”。基于三个主要的视觉场景的时尚品牌进行了人体实验,以验证我们的定量测量与人类感知的品牌。本文展示了深度网络如何超越徽标,以识别图像中的服装品牌。
2018-10-23 cs.CV
Comparative Analysis of Deep Learning Models for Brand Logo Classification in Real-World Scenarios
University of Florida(佛罗里达大学)
本研究在包含3,717张图像的数据集上比较了CNN和ViT模型在真实场景品牌标志分类中的性能,发现DaViT small准确率最高达99.60%,DenseNet29推理最快达366.62 FPS。
2023-05-20 cs.CV cs.LG
LOGO-Former: Local-Global Spatio-Temporal Transformer for Dynamic Facial Expression Recognition
Hunan University(湖南大学)
针对动态面部表情识别中CNN忽略长距离依赖、Transformer计算成本高的问题,提出LOGO-Former,结合局部窗口注意力与全局迭代查询注意力,辅以紧凑损失正则化,在DFEW和FERV39K数据集上验证了其有效利用时空依赖的性能。
2023-05-05 cs.CV cs.MM
LOGO: Video Text Spotting with Language Collaboration and Glyph Perception Model
College of Intelligence and Computing, Tianjin University(天津大学智能与计算学部);Tianjin University of Science and Technology(天津科技大学);Baidu Inc.(百度公司)
针对视频文字定位识别中域差距、低分辨率文字及噪声干扰问题,提出 LOGO 框架,通过语言协同分类器重打分、字形监督和视觉位置混合增强检测、识别与跟踪性能。
2024-06-11 cs.CV
Brand Visibility in Packaging: A Deep Learning Approach for Logo Detection, Saliency-Map Prediction, and Logo Placement Analysis
School of Electrical and Computer Engineering, University of Tehran, College of Engineering(德黑兰大学工程学院电气与计算机工程学院);Faculty of Electrical Engineering, K. N. Toosi University of Technology(霍加托西理工大学电气工程学院);Faculty of Engineering, Golestan University(戈尔甘大学工程学院)
提出融合 YOLOv8 标志检测、transformer 显著性预测与品牌注意评分的包装分析框架,并通过数据集和心理物理假设验证其有效性。
2024-03-04 cs.AI cs.CV
Catalog Phrase Grounding (CPG): Grounding of Product Textual Attributes in Product Images for e-commerce Vision-Language Applications
Amazon(亚马逊)
提出CPG模型,利用自监督多模态Transformer将产品文本属性定位到图像区域,通过教师模型知识迁移,在品牌匹配任务中提升召回率平均5%。
2023-08-30 cs.CV
Survey on Deep Learning-based Kuzushiji Recognition
Meisei University(明星大学)
由于深度学习方法在2012年图像分类竞赛中展示了压倒性的准确性,深度学习已成功应用于各种其他任务。通过使用深度学习,可以高精度地检测和识别用于转录历史文献的日本草书。近年来,已经举行了关于Kuzushiji识别的比赛,并且许多研究人员提出了各种识别方法。本研究探讨了使用深度学习识别Kuzushiji的最新研究趋势,当前问题和未来前景。
2020-07-19 cs.CV
Deep Learning for Iris Recognition: A Review
Hunan First Normal University(湖南第一师范学院);Southeast University(东南大学);National University of Defense Technology(国防科技大学)
虹膜识别是一种安全的生物识别技术,以其稳定性和隐私性而闻名。由于没有两个虹膜是相同的,并且在人的一生中几乎没有变化,虹膜识别被认为比其他生物识别方法更可靠,更不容易受到外部因素的影响。与传统的基于机器学习的虹膜识别方法不同,深度学习技术不依赖于特征工程,拥有出色的性能。本文收集了120篇相关论文,对基于深度学习的虹膜识别的发展进行了总结。本文首先介绍了虹膜识别的研究背景以及本文的研究动机和贡献。然后,我们介绍了虹膜识别中广泛使用的常见数据集。在此基础上,总结了基于深度学习技术的虹膜识别过程中涉及的关键任务,包括识别、分割、呈现攻击检测和定位。最后,我们讨论了虹膜识别的挑战和潜在的发展。本文综述了基于深度学习的虹膜识别的研究进展。
2023-03-15 cs.CV
DeepID3: Face Recognition with Very Deep Neural Networks
The Chinese University of Hong Kong(香港中文大学);SenseTime Group(商汤集团);Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences(中国科学院深圳先进技术研究院)
深度学习的出现极大地推动了人脸识别的发展。非常深的神经网络最近在一般物体识别上取得了巨大的成功,因为它们具有超强的学习能力。这促使我们研究它们在人脸识别上的有效性。本文提出了两种用于人脸识别的非常深的神经网络架构,称为DeepID 3。这两个架构是从VGG网和GoogLeNet中提出的堆叠卷积和初始层重建的,使其适用于人脸识别。在训练期间,将联合面部识别-验证监督信号添加到中间和最终特征提取层。所提出的两种架构的集成实现了99.53%的LFW人脸验证准确率和96.0%的LFW等级-1人脸识别准确率,分别。最后对LFW人脸验证结果进行了进一步的讨论。
2015-02-03 cs.CV
Deep Impression: Audiovisual Deep Residual Networks for Multimodal Apparent Personality Trait Recognition
Radboud University(拉德堡德大学)
在这里,我们开发了一个视听深度残差网络,用于多模态表观人格特质识别。该网络经过端到端的训练,可以从视频中预测人们的大五人格特质。也就是说,该网络不需要任何特征工程或视觉分析,如人脸检测,人脸地标对齐或面部表情识别。近日,该网络以0.9109的测试准确率获得ChaLearn First Imperial Challenge第三名。
2016-09-16 cs.CV
Deep Feature Flow for Video Recognition
University of Science and Technology of China(中国科学技术大学);Microsoft Research(微软研究院);Microsoft Research Asia(微软亚洲研究院)
深度卷积神经网络在图像识别任务上取得了巨大成功。然而,将最先进的图像识别网络转移到视频中并非易事,因为每帧评估太慢且负担不起。我们提出了深度特征流,这是一个快速准确的视频识别框架。它仅在稀疏关键帧上运行昂贵的卷积子网络,并通过流场将其深度特征映射传播到其他帧。它实现了显着的加速,因为流计算相对较快。整个架构的端到端训练显著提高了识别准确率。深度特征流具有灵活性和通用性。在最近的两个大规模视频数据集上进行了验证。它向实用的视频识别迈出了一大步。
2017-06-05 cs.CV
DeepActsNet: Spatial and Motion features from Face, Hands, and Body Combined with Convolutional and Graph Networks for Improved Action Recognition
IBM Research(IBM研究院)
现有的动作识别方法主要集中在人体骨骼数据中的关节和骨骼信息,由于其对复杂背景和环境动态特性的鲁棒性。在本文中,我们结合身体骨架数据与空间和运动特征的脸和双手,并提出了“深度动作邮票(DeepActs)”,一种新的数据表示编码的动作从视频序列。我们还介绍了“DeepActsNet”,这是一个基于深度学习的集成模型,它从Deep Action Stamps中学习卷积和结构特征,以实现高度准确的动作识别。在三个具有挑战性的动作识别数据集(NTU 60、NTU 120和SYSU)上进行的实验表明,使用Deep Action Stamps训练的拟议模型在动作识别准确性方面取得了显着提高,而且与最先进的方法相比,计算成本更低。
2021-06-04 cs.CV
Deep Structured Models For Group Activity Recognition
Simon Fraser University(西蒙菲莎大学);SPORTLOGiQ
本文提出了一种基于深度神经网络的分层图形模型,用于监控场景中的个人和群体活动识别。深度网络用于识别场景中单个人的动作。接下来,基于神经网络的分层图形模型通过考虑类之间的依赖关系来细化每个类的预测标签。这个细化步骤模仿了类似于概率图模型中的推理的消息传递步骤。我们证明了这种方法在群体活动识别中是有效的,深度图形模型比基线方法提高了识别率。
2015-06-12 cs.CV
MobiFace: A Lightweight Deep Learning Face Recognition on Mobile Devices
Concordia University(康考迪亚大学);University of Arkansas(阿肯色大学);Carnegie Mellon University(卡内基梅隆大学)
深度神经网络已广泛用于众多计算机视觉应用中,特别是在人脸识别中。然而,在移动设备上部署深度神经网络人脸识别最近已经成为一种趋势,但仍然有限,因为大多数高精度深度模型在推理阶段都是时间和GPU消耗。因此,开发轻量级深度神经网络是在移动设备上部署人脸识别的最实用的解决方案之一。这种轻量级深度神经网络需要具有少量权重表示和低成本算子的高效存储器。在本文中,一种新的深度神经网络命名为人脸识别,一个简单但有效的方法,提出了在移动设备上有效地部署人脸识别。实验结果表明,我们的轻量级人脸识别算法在LFW数据库上的识别率达到99.73%,在大规模的Megaface数据库上的识别率达到91.3%。它最终也可以与大规模深度网络人脸识别竞争,同时显著减少计算时间和内存消耗。
2019-04-17 cs.CV
Word Recognition with Deep Conditional Random Fields
SUNY at Buffalo(纽约州立大学布法罗分校);University of Electronic Science and Technology of China(电子科技大学)
手写体文字的识别一直是文档分析和识别中的一个重要问题。现有的方法从单词图像中提取手工设计的特征,这在新的数据集上表现不佳。最近,深度学习由于能够从原始数据中学习特征而引起了极大的关注。此外,他们已经取得了国家的最先进的结果,在分类任务,包括字符识别和场景识别。另一方面,单词识别是一个序列问题,我们需要对字符之间的相关性进行建模。在本文中,我们提出使用深度条件随机场(深CRF)进行单词识别。基本上,我们将CRF与深度学习结合起来,在深度学习中学习深度特征,并在统一的框架中标记序列。我们使用堆叠的限制性玻尔兹曼机(RBM)对深度结构进行预训练以进行特征学习,并使用在线学习算法优化整个网络。在两个数据集上对所提出的模型进行了评估,发现其表现明显优于竞争性基线模型。源代码可在https://github.com/ganggit/deepCRFs上获得。
2016-12-04 cs.CV
Face Recognition: From Traditional to Deep Learning Methods
University of Hertfordshire(赫特福德大学);GBG plc(GBG集团)
从七十年代开始,人脸识别已经成为计算机视觉和生物识别领域研究最多的课题之一。基于手工特征的传统方法和传统机器学习技术最近已被使用非常大的数据集训练的深度神经网络所取代。在本文中,我们提供了流行的人脸识别方法,包括传统的(基于几何,整体,基于特征和混合方法)和深度学习方法的全面和最新的文献综述。
2018-10-31 cs.CV
Deep Learning Approach for Receipt Recognition
Deep Learning and Application, Vietnam(越南深度学习与应用机构)
受深度学习最近在计算机视觉和自然语言处理方面取得的成功的启发,我们提出了一种用于识别扫描收据的深度学习方法。识别系统主要包括两个模块:基于联结主义文本建议网络的文本检测和基于注意力编码解码器的文本识别。我们还提出了预处理提取收据区域和OCR验证忽略手写。在扫描票据OCR和信息抽取2019的Robust Reading Challenge数据集上的实验表明,通过将预处理和OCR验证相结合,提高了准确率。我们的识别系统实现了71.9%的F1分数的检测和识别任务。
2019-05-30 cs.CV
A Comprehensive Survey on Deep Gait Recognition: Algorithms, Datasets and Challenges
The University of Hong Kong(香港大学);Southern University of Science and Technology(南方科技大学);University of Science and Technology of China(中国科学技术大学);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);The Hong Kong Polytechnic University(香港理工大学)
本文从深度表示学习与网络架构两个层面系统综述深度步态识别方法、数据集与性能,并探讨其隐私安全挑战及未来方向。
2023-08-05 cs.CV
Deep Learning Based Segmentation Free License Plate Recognition Using Roadway Surveillance Camera Images
Havelsan Inc.(哈维桑公司)
智能自动化交通执法解决方案近年来越来越受欢迎。这些解决方案广泛用于安全带违规检测、闯红灯违规检测和超速违规检测。高精度的车牌识别是这些系统中不可或缺的一部分。然而,一般的车牌识别系统需要高分辨率的图像以获得高性能。在这项研究中,我们提出了一种新的车牌识别方法,一般道路监控摄像头。提出的无分割车牌识别算法在字符检测和识别过程中利用基于深度学习的目标检测技术。所提出的方法已被测试2000图像上捕获的道路上。
2019-12-05 cs.CV
Deep Image: Scaling up Image Recognition
我们提出了一个最先进的图像识别系统,深度图像,使用端到端的深度学习开发。关键组件是一台专门用于深度学习的定制超级计算机,一种高度优化的并行算法,使用新的数据分区和通信策略,更大的深度神经网络模型,新颖的数据增强方法,以及多尺度高分辨率图像的使用。我们的方法在多个具有挑战性的计算机视觉基准测试中取得了优异的结果。
2015-07-06 cs.CV
Exploring Adversarial Learning for Deep Semi-Supervised Facial Action Unit Recognition
University of Science and Technology of China(中国科学技术大学)
目前的工作制定面部动作单元(AU)识别作为一个监督学习的问题,在训练过程中需要完全AU标记的面部图像。为大量的面部图像提供AU注释是具有挑战性的,如果不是不可能的话。幸运的是,AU出现在所有面部图像上,无论是否手动标记,都满足潜在的解剖机制和人类行为习惯。在本文中,我们提出了一个深度半监督框架,用于从部分AU标记的面部图像中识别面部动作单元。具体来说,所提出的深度半监督AU识别方法由深度识别网络和CNOD组成。深度识别网络R从大规模面部图像学习面部表示,并从有限的地面真实AU标签学习AU分类器。引入了AR-3D以加强地面真实AU标签中固有的AU分布与来自标记和未标记面部图像的预测AU标签的分布之间的统计相似性。深度识别网络旨在最大限度地减少标记面部图像的识别损失,忠实地表示标记和未标记面部图像的固有AU分布,并混淆图像。在训练过程中,深度识别网络R和BND交替优化。因此,在训练期间,利用由潜在解剖机制引起的固有AU分布来从部分AU标记的数据构建更好的特征表示和AU分类器。在两个基准数据库上的实验表明,该方法通过对抗学习成功地捕获了AU分布,并优于最先进的AU识别工作。
2021-06-04 cs.CV
When 3D-Aided 2D Face Recognition Meets Deep Learning: An extended UR2D for Pose-Invariant Face Recognition
University of Houston(休斯顿大学)
大多数的人脸识别工作集中在特定的模块或演示一个研究思路。本文提出了一种姿态不变的三维辅助二维人脸识别系统(UR 2D),是强大的姿态变化高达90?通过利用深度学习技术。描述了UR 2D的体系结构和接口,并对各个模块进行了详细介绍。在UHDB 31和IJB-A上进行了大量的实验,证明UR 2D在人脸识别任务中比现有的2D人脸识别系统,如VGG-Face,FaceNet和商业现成软件(COTS),在UHDB 31数据集上至少有9%,在IJB-A数据集上平均有3%。UR 2D还通过比较模板匹配的Rank-1准确度得分,在IJB-A数据集上实现了85%的最新性能。它通过提供3D辅助2D人脸识别系统填补了一个空白,该系统具有与使用深度学习技术的2D人脸识别系统兼容的结果。
2017-09-19 cs.CV
An Analysis of Deep Neural Networks with Attention for Action Recognition from a Neurophysiological Perspective
Fondazione Bruno Kessler(布鲁诺·凯斯勒基金会);University of Trento(特伦托大学)
我们回顾了最近三种基于深度学习的动作识别方法,并从神经生理学的角度对这些方法进行了简要的比较分析。我们认为这三种基于深度学习的方法与一些关于人脑功能的现有假设之间存在一些相似之处。
2019-07-02 cs.CV
Deep learning for scene recognition from visual data: a survey
University of Groningen(格罗宁根大学)
深度学习技术的使用在过去几年中呈爆炸式增长,对人工智能领域做出了直接贡献。这项工作的目的是回顾最先进的场景识别与深度学习模型从视觉数据。场景识别是计算机视觉中的一个新兴领域,目前已从单图像和动态图像的角度进行了研究。我们首先概述了用于图像和视频场景识别的可用数据集。后来,我们描述了集成技术在该领域的研究论文。最后,我们对我们的研究结果发表了一些评论,并讨论了我们认为该领域的挑战和未来的研究方向。本文旨在成为未来的指导模型选择的任务,场景识别。
2020-07-03 cs.CV
Influence of segmentation on deep iris recognition performance
Faculty of Computer and Information Science, University of Ljubljana(卢布尔雅那大学计算机与信息科学学院);XLAB d.o.o.(XLAB有限责任公司);Faculty of Electrical Engineering, University of Ljubljana(卢布尔雅那大学电气工程学院)
尽管深度学习在计算机视觉和图像处理的许多领域兴起,但到目前为止,虹膜识别并没有从这些趋势中受益匪浅。现有的大部分关于深度虹膜识别的研究都集中在用于生成有区别的和鲁棒的虹膜表示的新模型上,并且依赖于类似于传统虹膜识别管道的方法。因此,所提出的模型并不以端到端的方式进行虹膜识别,而是使用标准的启发式虹膜分割(和展开)技术来为深度学习模型产生归一化的输入。然而,由于深度学习能够对非常复杂的数据分布和非线性数据变化进行建模,因此出现了一个明显的问题。在深度学习环境中使用传统分割方法有多重要?为了回答这个问题,我们在本文中提出了虹膜分割对深度学习模型性能的影响的实证分析,使用一个简单的两阶段流水线,包括分割和识别步骤。我们评估分割的准确性如何影响识别性能,但也检查是否需要分割。我们使用CASIA Thousand和SBVPI数据集进行实验,并报告了几个有趣的发现。
2020-05-08 cs.CV
Naive-Deep Face Recognition: Touching the Limit of LFW Benchmark or Not?
Face++, Megvii Inc.(旷视科技(Megvii)Face++)
随着深度学习技术的发展和大规模训练数据集的积累,人脸识别性能迅速提高。在本文中,我们报告了我们对大数据如何影响识别性能的观察。根据这些观察,我们建立了我们的Megvii人脸识别系统,它达到了99.50%的准确率在LFW基准,优于以前的国家的最先进的。此外,我们报告了在现实世界的安全认证场景的性能。机器识别和人类表现之间仍然存在明显的差距。我们总结了我们的实验,并提出了未来的三个挑战,在最近的人脸识别。我们指出了应对这些挑战的几种可能的解决方案。我们希望我们的工作将激发社区对研究基准和实际应用之间差异的讨论。
2015-01-20 cs.CV
Using Deep Autoencoders for Facial Expression Recognition
COMSATS Institute of Information Technology(COMSATS信息技术研究所);Information Technology University (ITU)(信息技术大学);National University of Sciences and Technology (NUST)(国立科学技术大学)
图像处理中涉及的特征描述符通常是人工选择的,并且本质上是高维的。对于面部表情识别等系统来说,选择最重要的特征是一项非常关键的任务。本文研究了深度自动编码器在多层次隐藏层上用于面部表情识别的特征选择和降维的性能。与其他最先进的特征选择和降维技术相比,从堆叠式自动编码器中提取的特征表现出色。
2018-01-25 cs.CV
Action Units Recognition by Pairwise Deep Architecture
Fujitsu Laboratories Ltd.(富士通实验室有限公司)
在本文中,我们提出了一种新的自动动作单元(AU)识别方法,在野外情感行为分析(ABAW)的竞争。我们的方法通过使用成对的深度架构来解决受试者之间AU标签不一致的问题。当基线得分为0.31时,我们的方法在比赛的验证数据集中达到了0.67。
2020-10-02 cs.CV
Targeting Ultimate Accuracy: Face Recognition via Deep Embedding
Baidu Research – Institute of Deep Learning(百度研究院-深度学习研究所)
人脸识别已经研究了几十年。与LBP和HOG等传统手工制作的功能相反,可以通过数据驱动的方式通过深度学习方法自动学习更复杂的功能。在本文中,我们提出了一种两阶段的方法,该方法结合了多块深度CNN和深度度量学习,提取低维但非常有鉴别力的特征用于人脸验证和识别。实验表明,该方法优于其他国家的最先进的方法在LFW数据集上,实现了99.77%的成对验证准确率和其他两个更实际的协议下的准确性显着更好。本文还讨论了数据大小和补丁数量的重要性,为现实世界中实用的高性能人脸识别系统提供了一条清晰的道路。
2015-07-23 cs.CV
A Deep, Information-theoretic Framework for Robust Biometric Recognition
Southeast University(东南大学);South China University of Technology(华南理工大学);The University of Edinburgh(爱丁堡大学)
深度神经网络(DNN)已经成为当今生物识别解决方案的事实标准。在这些基于DNN的识别系统中,一个严重但仍然被忽视的问题是它们对对抗攻击的脆弱性。对抗攻击很容易导致DNN系统的输出严重失真,而其输入只有微小的变化。这种扭曲可能会导致一个有效的生物特征和一个战略攻击者构建的合成生物特征之间的意外匹配,从而引发安全问题。在这项工作中,我们展示了如何通过深入的信息理论框架学习强大的生物特征来解决这个问题,该框架建立在最近的深度变分信息瓶颈方法的基础上,但仔细适应生物识别任务。实证评估表明,我们的方法不仅提供了更强的鲁棒性对对抗攻击,但也提供了更好的识别性能比国家的最先进的方法。
2019-02-23 cs.CV
Deep Learning Approach for Ear Recognition and Longitudinal Evaluation in Children
Clarkson University(克拉克森大学)
本文针对儿童耳部随年龄快速变化带来的识别难题,构建了4至14岁儿童2.5年的纵向数据集,并提出基于VGG16与MobileNet集成的深度学习方法,重点评估儿童耳部识别的纵向性能。
2024-08-02 cs.CV
Deep Joint Face Hallucination and Recognition
Sun Yat-sen University(中山大学)
深度模型在面部幻觉任务中取得了令人印象深刻的性能。然而,我们观察到,直接将幻觉面部图像馈送到识别模型中甚至会降低识别性能,尽管可视化质量要好得多。在本文中,我们通过联合学习两个任务的深度模型来解决这个问题,即人脸幻觉和识别。特别地,我们设计了一个端到端的深度卷积网络,其中识别子网络级联了幻觉子网络。识别子网络负责使用超分辨率图像作为由超分辨率子网络生成的输入来产生有区别的特征表示。在训练过程中,我们将LR面部图像馈送到网络中,并通过最小化两个损失项来优化参数,即1)通过地面真实HR图像和网络生成图像之间的像素差异测量的面部幻觉损失;以及2)通过分类错误和类内距离测量的验证损失。我们广泛评估我们的方法LFW和YTF数据集。实验结果表明,该方法在4x下采样LFW测试集上的识别准确率达到97.95%,优于传统人脸识别模型的96.35%的准确率。在更具挑战性的YTF数据集上,我们实现了90.65%的识别准确率,超过了传统人脸识别模型在4倍下采样版本上获得的89.45%的识别准确率。
2016-11-24 cs.CV
A Double-Deep Spatio-Angular Learning Framework for Light Field based Face Recognition
人脸识别因其广泛的应用而受到越来越多的关注,但在面对生物特征变化较大的情况下,人脸识别仍然具有挑战性。透镜光场相机最近变得突出,以捕获丰富的空间-角度信息,从而为先进的生物识别系统提供了新的可能性。本文提出了一种用于基于光场的人脸识别的双深度空间-角度学习框架,该框架能够使用卷积表示顺序学习纹理和角度动态;这是一种新颖的识别框架,以前从未被提出用于人脸识别或任何其他视觉识别任务。所提出的双深度学习框架包括长短期记忆(LSTM)递归网络,其输入是使用VGG-Very-Deep-16卷积神经网络(CNN)计算的VGG-Face描述。VGG-16网络使用从全光场图像渲染的不同面部视点,其被组织为伪视频序列。一组全面的实验已经进行了与IST-EURECOM光场人脸数据库,各种各样的和具有挑战性的识别任务。结果表明,该框架实现了优越的人脸识别性能相比,国家的最先进的。
2019-04-24 cs.CV
FaceNet2ExpNet: Regularizing a Deep Face Recognition Net for Expression Recognition
University of Maryland, College Park(马里兰大学学院公园分校);Siemens Healthcare Technology Center, Princeton, New Jersey(西门子医疗技术中心(普林斯顿))
可用于表情识别研究的数据集相对较小,这使得用于表情识别的深度网络的训练非常具有挑战性。虽然微调可以部分缓解这个问题,但性能仍然低于可接受的水平,因为深度特征可能包含来自预训练域的冗余信息。在本文中,我们提出了FaceNet 2 ExpNet,一个新的想法训练的表情识别网络的基础上静态图像。我们首先提出了一个新的分布函数来模拟表达网络的高级神经元。在此基础上,精心设计了两阶段训练算法。在预训练阶段,我们训练表达式网络的卷积层,由面网络正则化;在细化阶段,我们添加全连接层到预训练的卷积层,并训练整个网络。可视化显示,用我们的方法训练的模型捕获了改进的高级表达式语义。在CK+、Oulu-CASIA、TFD和SFEW四个公共表达数据库上的实验结果表明,该方法取得了比现有方法更好的结果。
2016-09-22 cs.CV
Deep Embedding using Bayesian Risk Minimization with Application to Sketch Recognition
Indian Institute of Science(印度科学学院);TCS Research(塔塔咨询服务公司研究院)
在本文中,我们解决的问题,手绘草图识别。受贝叶斯决策理论的启发,我们提出了一种深度度量学习损失,其目标是最大限度地降低贝叶斯误分类风险。我们在训练过程中估计每个小批量的这种风险,并通过将其反向传播到端到端可训练范式中的深度神经网络来学习鲁棒的深度嵌入。尽管手绘草图图像中自然存在类内变化和类间相似性,但我们学习的嵌入是有区别的和鲁棒的。在草图识别方面,我们的方法在TU-Berlin-250和TU-Berlin-160基准测试中分别达到了82.2%和88.7%。
2018-12-06 cs.CV
Git Loss for Deep Face Recognition
University of Insubria(因苏布里亚大学)
卷积神经网络(CNN)已被广泛应用于计算机视觉任务中,例如人脸识别和验证,并且由于其捕获有区别的深度特征的能力而获得了最先进的结果。传统上,CNN已经用softmax作为监督信号进行训练,以惩罚分类损失。为了进一步增强深度特征的区分能力,我们引入了一个联合监督信号Git loss,它利用了softmax和中心损失函数。我们的损失函数的目的是最小化类内变化以及最大化类间距离。这种深度特征的最小化和最大化被认为是人脸识别任务的理想选择。我们在两个流行的人脸识别基准数据集上进行了实验,结果表明,我们提出的损失函数在不同身份的深层人脸特征之间实现了最大的可分性,并在两个主要的人脸识别基准数据集上实现了最先进的准确性:野生标签人脸(LFW)和YouTube人脸(YTF)。然而,应该注意的是,Git丢失的主要目标是实现不同身份的深层特征之间的最大可分性。
2018-07-28 cs.CV
Pose-Robust Face Recognition via Deep Residual Equivariant Mapping
SenseTime Research(商汤科技研究院);The Chinese University of Hong Kong(香港中文大学)
由于深度学习的出现,人脸识别取得了非凡的成功。然而,许多当代的人脸识别模型仍然表现相对较差,在处理侧面人脸相比,正面人脸。一个关键原因是正面和侧面训练人脸的数量高度不平衡-与侧面训练样本相比,正面训练样本更多。此外,本质上很难学习对大的姿势变化几何不变的深度表示。在这项研究中,我们假设有一个内在的映射之间的正面和侧面的脸,因此,他们的差异在深表征空间可以弥合的等变映射。为了利用这种映射,我们制定了一种新的深度残差等价映射(DREAM)块,它能够自适应地将残差添加到输入的深度表示中,以将轮廓面部表示转换为简化识别的规范姿势。DREAM模块始终增强了许多强大的深度网络(包括ResNet模型)的轮廓人脸识别性能,而无需故意增加轮廓人脸的训练数据。该块易于使用,重量轻,并且可以以可忽略的计算开销来实现。
2018-03-02 cs.CV
Video-based Human Action Recognition using Deep Learning: A Review
Centre d’Etudes et d’Expertise sur les Risques, l’environnement la mobilité et l’aménagement (CEREMA)(风险、环境、流动性与规划研究与专业中心);VinUniversity(文林大学);Université Paul Sabatier(保罗·萨巴蒂埃大学);Universidad de los Andes(安第斯大学);University Carlos III Madrid(马德里卡洛斯三世大学)
人体动作识别是计算机视觉的一个重要应用领域。它的主要目标是根据传感器获取的以前从未见过的数据序列准确描述人类行为及其交互。识别、理解和预测复杂人类行为的能力使得许多重要应用的构建成为可能,例如智能监控系统、人机界面、医疗保健、安全和军事应用。近年来,深度学习受到了计算机视觉界的特别关注。本文概述了使用视频分析和深度学习技术进行动作识别的当前最新技术。我们提出了最重要的深度学习模型来识别人类动作,并分析它们,以提供深度学习算法应用于解决现实视频中的人类动作识别问题的当前进展,突出其优点和缺点。基于文献中报道的识别精度的定量分析,我们的研究确定了动作识别中最先进的深层架构,然后为该领域未来的工作提供了当前的趋势和开放的问题。
2022-08-07 cs.CV
Facial Expression Recognition with Deep Learning
Stanford University(斯坦福大学)
人们交流的最普遍的方式之一是通过面部表情。在本文中,我们进行了深入研究,实现了用于面部表情识别(FER)的多个深度学习模型。我们的目标是双重的:我们的目标不仅是最大限度地提高准确性,而且要将我们的结果应用于现实世界。通过利用最近研究中的许多技术,我们在FER2013测试集上展示了最先进的75.8%的准确率,优于所有现有的出版物。此外,我们还展示了一个移动Web应用程序,它可以在设备上实时的运行我们的FER模型。
2020-04-08 cs.CV
Towards Real-Time Action Recognition on Mobile Devices Using Deep Models
National 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)
动作识别是计算机视觉中的一项重要任务,人们提出了许多方法来将其推向极限。然而,目前的动作识别模型具有巨大的计算成本,无法部署到移动设备上的真实任务。在本文中,我们首先说明了设置的实时的【形】动作识别,这是不同于目前的动作识别推理设置。在新的推理设置下,我们根据经验研究了Kinetics数据集上最先进的动作识别模型。我们的研究结果表明,设计高效实时的【形】动作识别模型与设计高效的ImageNet模型是不同的,特别是在权重初始化方面。我们证明了ImageNet上的预训练权重在实时的【形】动作识别设置下提高了准确性。最后,我们使用手势识别任务作为案例研究,以评估我们的紧凑的实时的【形】动作识别模型在手机上的实际应用。结果表明,我们的动作识别模型,是6倍的速度和与国家的最先进的类似的准确性,可以大致满足移动设备上的实时的【形】要求。据我们所知,这是第一篇在移动设备上部署当前深度学习动作识别模型的论文。
2019-06-17 cs.CV