Real-Time Semantic Background Subtraction
University of Liège(列日大学);Montefiore Institute(蒙泰菲奥里研究所)
针对语义分割掩码计算慢、多数背景减除算法非实时的问题,提出RT-SBS,融合实时算法与慢速高质量逐像素语义信息;配合ViBe达到实时方法新SOTA并可比肩非实时SOTA。
2020-05-27 cs.CV cs.LG eess.IV
Foreground Segmentation Using a Triplet Convolutional Neural Network for Multiscale Feature Encoding
Ankara University(安卡拉大学)
场景中运动对象分割的一种常用方法是执行背景减除。在这一领域已经提出了几种方法。然而,他们缺乏处理各种困难的情况下,如光照变化,背景或摄像机运动,伪装效果,阴影等,为了解决这些问题的能力,我们提出了一个强大的和灵活的编码器-解码器类型的神经网络为基础的方法。我们在编码器部分的三元组框架下采用预训练的卷积网络,即VGG-16 Net,将多尺度的图像嵌入特征空间,并在解码器部分使用转置卷积网络来学习从特征空间到图像空间的映射。我们只使用少量的训练样本对这个网络进行端到端的训练。我们的网络以三种不同的尺度拍摄RGB图像,并为相应的图像生成前景分割概率掩模。为了评估我们的模型,我们参加了Change Detection 2014 Challenge(changedetection.net),我们的方法比所有现有的最先进的方法都要好,平均F-Measure为0.9770。我们的源代码将在https://github.com/lim-anggun/FgSegNet上公开。
2018-01-07 cs.CV
An exploration of the performances achievable by combining unsupervised background subtraction algorithms
背景减除(BGS)是用于在视频中执行运动检测的常见选择。每年都有数百种BGS算法发布,但将它们结合起来检测运动在很大程度上仍未被探索。我们发现,组合策略允许利用大量可用的BGS算法,并为性能改进提供了显着的空间。在本文中,我们探索了通过6种策略实现的性能集,这些策略在CDnet 2014数据集上以像素方式结合了26种无监督BGS算法的输出,无论是在ROC空间还是在F1得分方面。所选择的策略代表了一个大的策略面板,包括确定性和非确定性的,投票和学习。在我们的实验中,我们比较我们的结果与国家的最先进的组合IUTIS-5和CNN-SFC,并报告六个结论,其中存在的一个重要的差距之间的性能的个别算法和最好的性能,通过结合它们。
2022-02-25 cs.CV
Fast LIDAR-based Road Detection Using Fully Convolutional Neural Networks
Chalmers University of Technology(查尔姆斯理工大学);Autoliv Research(奥托立夫研究院)
在这项工作中,开发了一种深度学习方法,仅使用LIDAR数据进行道路检测。从一个非结构化的点云,顶视图图像编码的几个基本统计数据,如平均海拔和密度生成。通过考虑一个顶视图表示,道路检测减少到一个单尺度的问题,可以解决一个简单而快速的全卷积神经网络(FCN)。FCN是专门为像素级语义分割的任务而设计的,它结合了大的感受野和高分辨率的特征图。所提出的系统取得了优异的性能,它是在KITTI的道路基准的表现最好的算法之一。它的快速推理使其特别适合于实时应用。
2017-03-29 cs.CV
DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs
Google Inc.(谷歌公司);University College London(伦敦大学学院);Johns Hopkins University(约翰霍普金斯大学)
在这项工作中,我们用深度学习解决了语义图像分割的任务,并做出了三个主要贡献,实验表明这些贡献具有实质性的实际价值。首先,我们强调使用上采样滤波器的卷积,或“atrous卷积”,作为密集预测任务中的强大工具。Atrous卷积允许我们显式控制在深度卷积神经网络内计算特征响应的分辨率。它还允许我们有效地扩大过滤器的视野,以包含更大的上下文,而不增加参数的数量或计算量。其次,我们提出了一种新的空间金字塔池(ASPP)来鲁棒地分割多尺度的对象。ASPP使用多个采样率和有效视场的滤波器探测传入的卷积特征层,从而以多个尺度捕获对象以及图像上下文。第三,我们通过结合DCNN和概率图形模型的方法来改进对象边界的定位。DCNN中通常部署的最大池化和下采样的组合实现了不变性,但对定位精度有影响。我们通过将最终DCNN层的响应与完全连接的条件随机场(CRF)相结合来克服这一点,这在定性和定量上都表明可以提高定位性能。我们提出的“DeepLab”系统在PASCAL VOC-2012语义图像分割任务中设置了新的最先进技术,在测试集中达到了79.7% mIOU,并在其他三个数据集上取得了进步:PASCAL-上下文,PASCAL-人-部分和城市景观。我们所有的代码都在网上公开提供。
2017-05-12 cs.CV
3D Human Pose Estimation Using Convolutional Neural Networks with 2D Pose Information
Seoul National University(首尔大学)
虽然在利用卷积神经网络(CNN)的2D人体姿态估计中已经取得了成功,但是3D人体姿态估计尚未被彻底研究。在本文中,我们使用CNN通过端到端学习来解决3D人体姿势估计任务。通过CNN学习一个关节和其他关节之间的相对3D位置。该方法通过两个新的思想提高了CNN的性能。首先,我们添加了2D姿态信息,通过将2D姿态估计结果与来自图像的特征连接来从图像估计3D姿态。第二,我们发现,更准确的3D姿态是通过结合相对于多个关节的相对位置的信息,而不是仅仅一个根关节。实验结果表明,该方法实现了人类3.6米数据集上的最先进的方法相当的性能。
2016-09-08 cs.CV
Learning Transferrable Knowledge for Semantic Segmentation with Deep Convolutional Neural Network
POSTECH(浦项科技大学);University of Michigan(密歇根大学)
提出了一种基于深度卷积神经网络(DCNN)的弱监督语义分割算法。与现有的弱监督方法相反,我们的算法利用可用于不同类别的辅助分割注释来指导仅具有图像级类别标签的图像的分割。为了使分割知识跨类别的可移植性,我们设计了一个解耦的编码器-解码器架构与注意力模型。在这种架构中,该模型使用注意力模型生成图像中呈现的每个类别的空间高光,随后使用解码器为每个高光区域生成前景分割。结合注意力模型,我们表明,在不同类别的分割注释训练的解码器可以提高弱监督语义分割的性能。当我们的模型使用Microsoft COCO数据集中60个专有类别的注释进行训练时,与挑战PASCAL VOC 2012数据集的最新弱监督技术相比,该算法表现出显着提高的性能。
2015-12-24 cs.CV
Detecting and Tracking Small Moving Objects in Wide Area Motion Imagery (WAMI) Using Convolutional Neural Networks (CNNs)
University of Liverpool(利物浦大学)
针对广域运动图像中运动目标较小且相互分离的特点,提出了一种运动目标检测方法。由于$100-$像素车辆难以与包括背景的对象区分开,因此仅使用前景外观来识别对象是困难的。我们的方法是基于背景减法作为一种有效的和无监督的方法,能够输出的对象的形状。为了可靠地检测低对比度和小对象,我们配置背景减法来提取可能是感兴趣对象的前景区域。虽然这大大增加了假警报的数量,但考虑空间和时间信息的卷积神经网络(CNN)随后被训练以拒绝假警报。在交通繁忙的区域,背景减除产生合并的检测。为了降低多目标跟踪器的复杂度,我们训练另一个CNN来预测多个运动目标在一个区域内的位置。我们的方法表现出竞争力的检测性能较小的对象相对于国家的最先进的。我们采用了GM-PHD过滤器随着时间的推移相关联的检测和分析所产生的性能。
2019-11-08 cs.CV
Contrastive Learning with Large Memory Bank and Negative Embedding Subtraction for Accurate Copy Detection
DeNA Co., Ltd.(DeNA有限公司)
拷贝检测是一个尚未解决的问题,它是一个确定图像是否是数据库中任何图像的修改副本的任务。因此,我们通过用对比学习训练卷积神经网络(CNN)来解决拷贝检测。使用大内存库和硬数据增强进行训练,使CNN能够获得更具鉴别力的表示。我们提出的负嵌入减法进一步提高了复制检测的准确性。使用我们的方法,我们在Facebook AI图像相似性挑战:描述符跟踪中获得了第一名。我们的代码在这里公开:\url{https://github.com/lyakaap/ISC21-Descriptor-Track-1st}
2021-12-08 cs.CV
Combining Self-attention and Dilation Convolutional for Semantic Segmentation of Coal Maceral Groups
School of Electronic and Electrical Engineering, Shanghai University of Engineering Science(上海工程技术大学电子电气工程学院);China Electronics Technology Group Corporation No.15 Research Institute(中国电子科技集团第十五研究所);Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Department of Manufacture Management of Angang Steel Co.,Ltd.(鞍钢钢铁有限公司制造管理部)
针对现有煤显微组分语义分割模型参数多、训练样本获取难的问题,提出基于IoT的DA-VIT并行网络,通过解耦并行与骨干网络、引入DCSA机制降参提效,在多项指标上优于现有最优方法。
2025-06-15 cs.CV eess.IV
Deep Neural Network Concepts for Background Subtraction: A Systematic Review and Comparative Evaluation
Univ. La Rochelle(拉罗谢尔大学);University of Warwick(华威大学);Kyungpook National University(庆北国立大学)
传统的神经网络显示了一个强大的框架,在静态摄像机获取的视频背景减法。事实上,众所周知的SOBS方法及其基于神经网络的变体在很长一段时间内都是大规模CDnet 2012数据集的领导者。最近,属于深度学习方法的卷积神经网络被成功地用于背景初始化、前景检测和深度学习特征。目前,CDnet 2014中最流行的背景减除方法是基于深度神经网络的,与基于多特征或多线索策略的传统无监督方法相比,性能差距很大。此外,自2016年Braham和Van Droogenbroeck发表了他们关于CNN的第一篇论文以来,发表了大量论文,这些论文应用于背景减除,提供了定期的性能增益。在这种情况下,我们为新手和专家提供了背景减除中深度神经网络概念的第一篇综述,以分析这一成功并提供进一步的方向。为此,我们首先调查了使用背景初始化,背景减除和深度学习特征的方法。然后,我们讨论了深度神经网络用于背景减除的充分性。最后,在CDnet 2014数据集上给出了实验结果。
2018-11-13 cs.CV
Universal Background Subtraction based on Arithmetic Distribution Neural Network
University of Alberta(阿尔伯塔大学)
本文提出基于 ADNN 的通用背景减除框架,通过乘积与和分布层及邻域贝叶斯细化学习时间像素分布,在标准基准上优于现有方法。
2022-02-23 cs.CV
Combining Markov Random Fields and Convolutional Neural Networks for Image Synthesis
Johannes Gutenberg University(约翰内斯·古腾堡大学)
本文研究了生成马尔可夫随机场(MRF)模型和区分训练的深度卷积神经网络(dCNN)的组合,用于合成2D图像。生成MRF作用于dCNN特征金字塔的更高级别,在抽象级别控制图像布局。我们将该方法应用于摄影和非照片真实感(艺术品)合成任务。MRF正则化器可防止过度激励伪影,并减少先前dCNN反演方法中常见的不可信特征混合,从而允许合成具有更高视觉可扩展性的摄影内容。与标准的基于MRF的纹理合成不同,组合系统可以匹配和适应具有相当大的可变性的局部特征,产生的结果远远超出了经典的生成MRF方法。
2016-01-18 cs.CV
Combining Transformer Generators with Convolutional Discriminators
Fraunhofer ITWM(弗劳恩霍夫工业数学研究所);University of Heidelberg(海德堡大学);Fraunhofer Center Machine Learning(弗劳恩霍夫机器学习中心);Technical University of Kaiserslautern(凯泽斯劳滕工业大学);German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心(DFKI));Offenburg University(奥芬堡大学)
Transformer模型最近引起了计算机视觉研究人员的极大兴趣,并且已经成功地用于传统上用卷积神经网络解决的几个问题。与此同时,使用生成对抗网络(GANs)的图像合成在过去几年中得到了极大的改进。最近提出的transGAN是第一个仅使用基于变换器的架构的GAN,与卷积GANs相比,它取得了有竞争力的结果。然而,由于Transformers是数据饥渴的架构,因此transGAN需要数据增强,在训练期间需要辅助超分辨率任务,并且在引导自我注意力机制之前需要掩蔽。在本文中,我们研究了基于变压器的生成器和卷积消隐的组合,并成功地消除了上述所需的设计选择的需要。我们评估我们的方法进行了一个基准的知名CNN鉴别器,消融的变压器为基础的发电机的大小,并表明,结合到一个混合模型的架构元素,导致更好的结果。此外,我们调查生成的图像的频谱特性,并观察到我们的模型保留了基于注意力的发电机的好处。
2021-07-10 cs.CV
What's the Difference? The potential for Convolutional Neural Networks for transient detection without template subtraction
University of Delaware(特拉华大学);Universidad Nacional de Colombia(哥伦比亚国立大学);Vera C. Rubin Observatory(薇拉·C·鲁宾天文台);University of Pennsylvania(宾夕法尼亚大学)
本研究探索卷积神经网络在无需模板减法图像的瞬变天体“真-假”分类中的潜力,证实仅用模板与搜索图像可构建>90%准确率的模型,有望大幅降低巡天项目的瞬变检测计算成本。
2023-08-25 astro-ph.IM cs.CV
Rejection-Cascade of Gaussians: Real-time adaptive background subtraction framework
Navya(纳维亚);Valeo India(法雷奥印度公司);Valeo Vision Systems(法雷奥视觉系统公司)
背景-前景分类是计算机视觉中研究得很好的问题。由于算法中建模和处理的逐像素性质,通常难以满足实时约束。在速度(由于模型复杂性)和准确性之间存在权衡。受Viola-Jones分类器拒绝级联的启发,我们将高斯混合模型(GMM)分解为自适应高斯级联(CoG)。我们实现了一个很好的改进速度,而不影响的精度相对于基线GMM模型。我们证明了4- 5倍的加速因子和17%的平均精度提高了壁花监测数据集。然后,证明了CoG的卷积变分自动编码器(VAE)的图像的潜在空间表示。我们提供了CDW-2014数据集的初步结果,这可以加快深度架构的背景减除。
2019-11-16 cs.CV stat.ML
Image-to-image Neural Network for Addition and Subtraction of a Pair of Not Very Large Numbers
Yandex(Yandex(亚德斯))
回顾计算器的历史,人们可以看到,随着时间的推移,它们的功能越来越少,计算成本越来越高。现代计算器运行在个人电脑上,以每秒60帧的速度绘制,只是为了帮助我们用鼠标指针点击几个数字。一个搜索引擎经常被用作计算器,这意味着现在我们需要互联网只是为了增加两个数字。在本文中,我们建议更进一步,训练一个卷积神经网络,它可以对一个简单的数学表达式进行成像,并生成一个答案的图像。这个神经计算器只适用于两位数对,并且只支持加法和减法。此外,有时它会犯错误。我们保证,提出的计算器是一个人的一小步,但一个巨大的飞跃人类。
2020-03-14 cs.AI cs.CV cs.LG
Effective Image Differencing with ConvNets for Real-time Transient Hunting
University of Freiburg(弗莱堡大学);Caltech(加州理工学院)
大型巡天越来越多地依赖于图像减法管道进行实时(和存档)瞬态检测。在这个过程中,人们必须与变化的PSF,许多源中的小亮度变化,以及饱和恒星造成的伪影,以及一般的匹配误差作斗争。通常,差分是用比单个图像更深的参考图像来完成的,并且伴随的噪声特性的差异也可能导致伪影。我们在这里提出了一种用于瞬态检测的深度学习方法,它将传统图像减法流水线的所有步骤-图像配准,背景减法,噪声去除,psf匹配和减法-封装到单个实时卷积网络中。一旦经过训练,该方法的工作速度非常快,并且考虑到它一次完成多个步骤,对于ZTF和LSST等多CCD快速测量的优势是显而易见的。
2017-10-04 astro-ph.IM cs.CV
Combining LiDAR Space Clustering and Convolutional Neural Networks for Pedestrian Detection
LTS5, EPFL(洛桑联邦理工学院 LTS5);SiMiT Lab, ITU(伊斯坦布尔理工大学 SiMiT 实验室)
行人检测是自动驾驶汽车安全以及交通和街道监控的重要组成部分。关于这个主题有大量的基准测试,当应用于真实的用例场景时,它已经被证明是一个具有挑战性的问题。在纯粹基于图像的行人检测方法中,最先进的结果已经用卷积神经网络(CNN)实现,并且令人惊讶的是,很少有检测框架建立在多线索方法上。在这项工作中,我们为自动驾驶汽车开发了一种新的行人检测器,除了视觉信息外,还利用了LiDAR数据。在所提出的方法中,激光雷达数据被用来通过处理它提供的三维点云来生成区域建议。然后,这些候选区域由最先进的CNN分类器进一步处理,我们已经为行人检测进行了微调。我们在KITTI数据集上广泛评估了所提出的检测过程。实验结果表明,所提出的激光雷达空间聚类方法提供了一个非常有效的方式产生区域的建议,导致更高的召回率和更少的行人检测失误。这表明LiDAR数据可以为基于CNN的方法提供辅助信息。
2017-10-17 cs.CV
Deep Control - a simple automatic gain control for memory efficient and high performance training of deep convolutional neural networks
训练深度卷积神经网络通常从所有层中的所有滤波器的随机初始化开始,这严重减少了前向信号和反向传播的误差,并导致缓慢和次优的训练。对抗这种技术的重点是增加信号或自适应地增加梯度,但模型在训练开始时的行为与后来建立通过网络的稳定路径时的行为非常不同。为了使这个问题复杂化,有效的小批量大小在不同深度处的层之间以及各个滤波器之间变化很大,因为激活稀疏性通常随着深度而增加,导致有效学习率的降低,因为梯度可能叠加而不是相加,并且这进一步使协变量偏移问题复杂化,因为更深的神经元不太能够适应上游偏移。这里提出了一种对内置于每个卷积神经元中的信号进行自动增益控制的方法,该方法实现了与批量归一化相当或更好的性能,并且与单样本或小批量梯度下降兼容。相同的模型用于训练和推理。该技术包括从原始卷积滤波器输出中进行缩放的每样本图均值减法,然后对差值进行缩放。
2017-06-13 cs.CV
Automated sub-cortical brain structure segmentation combining spatial and deep convolutional features
Institute of Computer Vision and Robotics(计算机视觉与机器人研究所);University of Girona(赫罗纳大学)
磁共振图像(MRI)中的皮层下脑结构分割长期以来一直吸引着研究界的兴趣,因为这些结构中的形态学变化与不同的神经退行性疾病有关。然而,这些结构的手动分割可能是繁琐的,并且易于变化,突出了对鲁棒的自动分割方法的需求。在本文中,我们提出了一种新的基于卷积神经网络的方法,结合卷积和先验空间特征,以提高分割精度的皮层下大脑结构的准确分割。为了提高自动分割的准确性,我们建议使用有限的样本选择来训练网络,以迫使网络学习结构中最困难的部分。我们在公开的MICCAI 2012挑战赛和IBSR 18数据集上评估了所提出方法的准确性,并将其与不同的现有最先进方法和其他最近提出的深度学习方法进行了比较。在MICCAI 2012数据集上,我们的方法显示出与最佳挑战参与者策略相当的出色性能,同时表现明显优于FreeSurfer和FIRST等最先进的技术。在IBSR 18数据集上,我们的方法不仅在FreeSurfer和FIRST方面表现出显着的性能提升,而且与其他最近的深度学习方法相比,其结果也相当或更好。此外,我们的实验表明,空间先验和限制性采样策略的增加对所提出的方法的准确性有显着的影响。为了鼓励所提出的方法的可重复性和使用,我们的方法的公开版本可供神经成像社区下载。
2017-09-26 cs.CV
Predicting Lung Nodule Malignancies by Combining Deep Convolutional Neural Network and Handcrafted Features
University of Texas Southwestern Medical Center(德克萨斯大学西南医学中心);School of Computer Science and Technology, Xidian University(西安电子科技大学计算机科学与技术学院);School of Traditional Chinese Medicine, Southern Medical University(南方医科大学中医学院)
为了以高灵敏度和特异性预测肺结节恶性肿瘤,我们提出了一种融合算法,该算法将手工特征(HF)结合到在3D深度卷积神经网络(CNN)的输出层学习的特征中。首先,我们提取了29个手工特征,包括9个强度特征,8个几何特征,和12个纹理特征的基础上的灰度共生矩阵(GLCM)平均从十三个方向。然后,我们训练了从三种最先进的2D CNN架构(AlexNet,VGG-16 Net和Multi-crop Net)修改的3D CNN,以提取在输出层学习的CNN特征。对于每个3D CNN,结合29个手工特征的CNN特征被用作支持向量机(SVM)的输入,结合顺序向前特征选择(SFS)方法来选择最佳特征子集并构建分类器。融合算法充分利用了手工制作的特征和在输出层学习的最高级别的CNN特征。它可以克服手工特征的缺点,即通过结合固有的CNN特征可能无法完全反映特定病变的独特特征。同时,它还阐明了基于手工特征互补的CNN对大规模注释数据集的需求。患者队列包括从LIDC/IDRI数据库中提取的431个恶性结节和795个良性结节。对于每个研究的CNN架构,所提出的融合算法在所有竞争性分类模型中实现了最高的AUC,准确性,灵敏度和特异性得分。
2018-12-27 cs.CV
Two-stream Multi-dimensional Convolutional Network for Real-time Violence Detection
BRAC University(BRAC大学)
越来越多的监控摄像头和安全问题使得从监控录像中自动检测暴力活动成为一个活跃的研究领域。现代深度学习方法在暴力检测方面取得了良好的准确性,并因其在智能监控系统中的适用性而被证明是成功的。然而,这些模型计算量大,尺寸大,因为它们的特征提取方法效率低。本文提出了一种新的暴力检测体系结构,称为双流多维卷积网络(2s-MDCN),它使用RGB帧和光流来检测暴力。我们提出的方法提取时间和空间信息独立的1D,2D和3D卷积。尽管结合了多维卷积网络,但由于信道容量降低,我们的模型是轻量级和高效的,但它们学会了提取有意义的空间和时间信息。此外,将RGB帧和光流相结合,比单个RGB流的精度高2.2%。尽管复杂性较低,但我们的模型在最大的暴力检测基准数据集上获得了89.7%的最先进准确率。
2022-11-08 cs.CV
Beam-Wise Statistical Background Subtraction for Static Roadside LiDAR: A Cross-Sensor Benchmark Study
University of Applied Sciences Esslingen(埃斯林根应用科学大学);Faculty of Computer Science and Engineering(计算机科学与工程学院);Institute for Intelligent Systems(智能系统研究所)
本文针对静态路侧激光雷达缺失系统性跨传感器评估的问题,构建波束级统计背景减除基准,引入新数据集并结合空间滤波,实现了鲁棒可迁移的背景减除方案,提升了精度并保持高召回率与实时性,相关资源已公开。
2026-08-18 cs.CV cs.RO
Multi Modal Convolutional Neural Networks for Brain Tumor Segmentation
Istanbul Technical University(伊斯坦布尔理工大学)
在这项工作中,我们提出了一个多模态卷积神经网络(CNN)的方法来分割脑肿瘤。我们研究了如何在CNN框架下有效地结合不同的模态。我们将以前用于视频识别问题的各种融合方法应用于脑肿瘤分割问题,并从内存和性能方面研究了它们的效率。我们的实验在BRATS数据集上进行,引导我们得出这样的结论,即学习每种模态的单独表示并将它们组合用于脑肿瘤分割可以提高CNN系统的性能。
2018-09-20 cs.CV
Classifying a specific image region using convolutional nets with an ROI mask as input
Vayavision(Vayavision公司)
卷积神经网络(CNN)是用于图像分类的主要计算机视觉方法。在某些情况下,希望仅对图像中对应于某个对象的特定区域进行分类。因此,假设图像中对象的区域是预先已知的,并且作为二进制感兴趣区域(ROI)掩模给出,目标是使用卷积神经网络对该区域中的对象进行分类。这个目标是通过使用标准的图像分类网络以及附加的侧分支来实现的,该侧分支将ROI掩模转换为注意力图。然后将该图与图像分类网组合。这允许网络将注意力集中在对象区域上,同时仍然从背景中提取上下文线索。使用COCO对象数据集和OpenSurfaces材料数据集对这种方法进行了评估。在这两种情况下,它都比完全忽略背景区域的方法提供了更好的结果。此外,发现在网络的第一层组合注意力图比在网络的更高层组合注意力图得到更好的结果。这种方法的优点是最明显的小区域的分类,需要大量的上下文信息的背景。
2018-12-05 cs.CV
MHSCNet: A Multimodal Hierarchical Shot-aware Convolutional Network for Video Summarization
MYbank, Ant Group(蚂蚁集团网商银行);Beijing Jiaotong University(北京交通大学);Shanghai Jiao Tong University(上海交通大学)
本文提出多模态分层镜头感知卷积网络MHSCNet,通过融合短程与长程时间依赖增强帧级表示,并在局部和全局视角预测帧重要性,在视频摘要任务上优于现有方法。
2023-05-30 cs.CV
Combining Neural Network Models for Blood Cell Classification
Birla Institute of Technology and Science Pilani(皮拉尼贝拉技术科学学院)
本研究的目的是评估一种多层神经网络模型的效率,该模型由递归神经网络(RNN)和卷积神经网络(CNN)相结合,用于解决分类不同类型的白细胞的问题。这可以在制药和医疗保健行业中应用,用于自动化血液测试的分析和需要识别给定图像样本中血细胞性质的其他过程。它还可以用于诊断患者的各种血液相关疾病。
2021-01-10 cs.CV
Compression Artifacts Removal Using Convolutional Neural Networks
本文表明,训练大型深度卷积神经网络(CNN)来减少JPEG压缩伪影是可能的,并且与以前使用的较小网络以及任何其他最先进的方法相比,这种网络可以提供更好的重建质量。我们能够通过结合残差学习、跳过架构和对称权重初始化,在相对较短的时间内单步的训练8层网络。我们通过评估三个不同的目标,相对于训练数据集大小的泛化,以及相对于JPEG质量水平的泛化,进一步深入了解卷积网络的JPEG伪影减少。
2016-05-02 cs.CV
Transformer-Based Neural Network for Transient Detection without Image Subtraction
Department of Physics and Astronomy, University of Pennsylvania(物理与天文学系,宾夕法尼亚大学);Department of Physics and Astronomy, University of Delaware(物理与天文学系,德克萨斯大学);University of Delaware, Joseph R. Biden, Jr. School of Public Policy and Administration(德克萨斯大学乔伊斯·拜登初级公共政策与行政学校);University of Delaware, Data Science Institute(德克萨斯大学数据科学研究所)
本文提出一种基于Transformer的神经网络,通过直接比较搜索图像与模板图像实现无需图像差分的真实/虚假暂现源分类,在DES数据上达到97.4%准确率,并验证了对非中心输入图像的鲁棒性,提升了超新星探测的准确性与效率。
2025-08-22 astro-ph.IM cs.CV
Transformationally Identical and Invariant Convolutional Neural Networks by Combining Symmetric Operations or Input Vectors
Georgetown University Medical Center(乔治城大学医学中心);Virginia Tech(弗吉尼亚理工大学)
由变换后的输入向量或算子构造的变换不变处理器已被提出并应用于许多应用中。在这项研究中,transformationally相同的处理的基础上相结合的结果,所有的子过程与相应的转换在一个处理步骤或在开始的步骤被认为是等效的一个给定的条件。该特性可以应用于大多数卷积神经网络(CNN)系统。具体地,可以通过将内部对称操作与相同的变换族并行地布置来构造变换上相同的CNN,所述相同的变换族包括平坦化层,其中权重在其对应的变换元素之间共享。其他变换上相同的CNN可以通过在输入层对该族的变换输入向量进行平均,然后进行普通的CNN过程或一组对称操作来构建。有趣的是,我们发现,通过在激活函数之前对所有子通道的对应元素应用平均操作或不使用非线性激活函数,两种类型的变换相同的CNN系统在数学上是等效的。
2018-08-20 cs.CV cs.LG stat.ML
Combining Residual Networks with LSTMs for Lipreading
University of Nottingham(诺丁汉大学)
我们提出了一种用于单词级视觉语音识别的端到端深度学习架构。该系统是时空卷积、残差和双向长短期记忆网络的组合。我们训练和评估它的唇读在野外基准,一个具有挑战性的数据库的500大小的目标词组成的1.28秒的视频摘录从BBC电视广播。所提出的网络达到了等于83.0的单词准确度,比当前最先进的技术提高了6.8的绝对精度,而在训练或测试过程中没有使用关于单词边界的信息。
2017-09-08 cs.CV
CellCentroidFormer: Combining Self-attention and Convolution for Cell Detection
Heidelberg University(海德堡大学)
显微图像中的细胞检测对于研究细胞如何移动以及与环境相互作用非常重要。最近基于深度学习的细胞检测方法使用卷积神经网络(CNN)。然而,受其他计算机视觉应用成功的启发,Vision Transformers(ViT)也用于此目的。我们提出了一种新的混合CNN-ViT模型,用于显微图像中的细胞检测,以利用这两种类型的深度学习模型的优势。我们采用了一个高效的CNN,它在ImageNet数据集上进行了预训练,以提取图像特征,并利用迁移学习来减少所需的训练数据量。提取的图像特征通过卷积层和Transformer层的组合进行进一步处理,使得卷积层可以关注局部信息,而Transformer层可以关注全局信息。我们基于质心的细胞检测方法将细胞表示为椭圆,并且是端到端可训练的。此外,我们表明,我们提出的模型可以在四个不同的2D显微镜数据集上优于完全卷积的一级检测器。代码可在:https://github.com/roydenwa/cell-centroid-former
2022-06-14 cs.CV eess.IV
Convolutional Gated MLP: Combining Convolutions & gMLP
据我们所知,这是第一篇将卷积引入门控多层感知器的论文,并为这种新型深度学习架构的实现做出了贡献。Google Brain于2021年5月推出了gMLP。微软于2021年3月在视觉Transformer中引入了卷积。受gMLP和CvT的启发,我们在gMLP中引入了卷积层。CvT结合了卷积和注意力的力量。我们的实现结合了最好的卷积学习和空间门控MLP。此外,本文可视化CgMLP如何学习。可视化展示了CgMLP如何从汽车轮廓等特征中学习。虽然注意力是深度学习最新进展的基础,但gMLP提出了一种不使用注意力计算的方法。在基于Transformer的方法中,需要使用大量的训练数据来学习大量的注意力矩阵。在gMLP中,通过较小数据集的迁移学习,对新任务进行微调可能具有挑战性。我们实现了CgMLP,并将其与CIFAR数据集上的gMLP进行了比较。实验结果表明,CgMLP的泛化能力,而gMLP往往急剧过拟合的训练数据。总之,本文提出了一种新的深度学习架构,并通过可视化展示了CgMLP的学习机制,这在文献中尚属首次。
2021-11-06 cs.AI cs.CV cs.LG
Fast Face-swap Using Convolutional Neural Networks
Twitter(推特);IDLab, Ghent University(根特大学IDLab实验室)
我们考虑图像中的人脸交换问题,其中输入身份转换为目标身份,同时保留姿势,面部表情和照明。为了执行这种映射,我们使用经过训练的卷积神经网络从他/她的照片的非结构化集合中捕获目标身份的外观。这种方法通过将面部交换问题框定在风格转移方面来实现,其中目标是以另一种风格渲染图像。基于这一领域的最新进展,我们设计了一个新的损失函数,使网络产生高度逼真的结果。通过将神经网络与简单的前处理和后处理步骤相结合,我们的目标是在没有用户输入的情况下实时进行人脸交换。
2017-07-27 cs.CV
Topology Estimation of Simulated 4D Image Data by Combining Downscaling and Convolutional Neural Networks
The University of Newcastle(新castle大学)
针对大规模4D图像立方体难以直接进行拓扑分析的问题,本文提出先降尺度再训练CNN的方法,以超过80%的准确率估计Betti数,并通过空腔类型标签进一步提升性能。
2025-06-07 cs.CV math.AT
Combining EfficientNet and Vision Transformers for Video Deepfake Detection
ISTI-CNR(意大利国家研究委员会信息科学与技术研究所)
Deepfakes是数字操纵的结果,以伪造逼真但虚假的图像。随着深度生成模型的惊人进步,现在使用变分自编码器(VAE)或生成对抗网络(GANs)获得虚假图像或视频。这些技术变得越来越容易获得和准确,导致虚假视频很难被检测到。传统上,卷积神经网络(CNN)已被用于执行视频深度伪造检测,使用基于EfficientNet B7的方法获得了最佳结果。在这项研究中,我们专注于人脸的视频深度虚假检测,因为大多数方法在生成逼真的人脸时变得非常准确。具体来说,我们将各种类型的视觉Transformer与用作特征提取器的卷积EfficientNet B0相结合,获得了与使用视觉Transformer的一些最新方法相当的结果。与最先进的方法不同,我们既不使用蒸馏方法,也不使用系综方法。此外,我们提出了一个简单的推理过程的基础上,一个简单的投票计划处理多个面孔在同一个视频镜头。最佳模型的AUC为0.951,F1得分为88.0%,非常接近DeepFake Detection Challenge(DFDC)的最新水平。
2022-01-20 cs.CV
CTLformer: A Hybrid Denoising Model Combining Convolutional Layers and Self-Attention for Enhanced CT Image Reconstruction
Independent Researcher(独立研究者);Amazon.com, Inc.(亚马逊公司);Georgia Institute of Technology(佐治亚理工学院)
针对低剂量CT图像噪声影响诊断及多尺度特征融合难等问题,提出结合卷积与transformer的CTLformer去噪模型,通过多尺度及动态注意力机制等提升性能,在挑战赛数据集上表现优于现有方法。
2025-05-18 cs.CV eess.IV
Unstructured Road Vanishing Point Detection Using the Convolutional Neural Network and Heatmap Regression
Tianjin University(天津大学)
非结构化道路消失点检测是一个具有挑战性的问题,特别是在自动驾驶领域。在本文中,我们提出了一种新的解决方案,结合卷积神经网络(CNN)和热图回归检测非结构化道路VP。该算法首先采用了一个轻量级的骨干网,即,采用非结构化卷积改进的HRNet,提取非结构化道路图像的层次特征。然后,提出了三种高级策略,即,利用多尺度监督学习、热图超分辨率和坐标回归技术来实现快速和高精度的非结构化道路VP检测。在Kong数据集上的实验结果表明,与各种实时条件下的最先进方法相比,我们提出的方法具有最高的检测精度,最高速度可达33 fps。
2020-06-08 cs.CV
Single Image Deraining via Rain-Steaks Aware Deep Convolutional Neural Network
Wuhan University of Science and Technology(武汉科技大学)
由于雨带在雨图像中是空间变化的,因此从单个雨图像中去除雨带是具有挑战性的。本文通过结合传统的图像处理技术和基于深度学习的技术来研究这个问题。提出了一种改进的加权引导图像滤波器(iWGIF),用于从雨天图像中提取高频信息。高频信息主要包括雨串和噪声,可以引导雨串感知的深度卷积神经网络(RSADCNN)对雨串进行更多的关注。提高了RSADNN的效率和解释能力。实验表明,该算法显着优于国家的最先进的方法在合成和真实世界的图像在定性和定量的措施。这对于在雨天条件下的自主导航是有用的。
2022-09-20 cs.CV
Improving Text Proposals for Scene Images with Fully Convolutional Networks
Universitat Autònoma de Barcelona (UAB)(巴塞罗那自治大学);Computer Vision Centre (CVC)(计算机视觉中心);Eurecat - Catalunya Technology Center(Eurecat - 加泰罗尼亚技术中心);University of Florence(佛罗伦萨大学)
文本建议已经作为对象建议的类依赖版本出现-有效的方法来减少图像中可能的文本对象位置的搜索空间。结合强词分类器,文本提案目前在端到端场景文本识别中产生最先进的结果。在本文中,我们对Gomez和Karatzas(2016)的原始文本提案算法进行了改进,将其与全卷积网络相结合,以提高提案的排名。ICDAR RRC和COCO文本数据集的结果显示出优于当前最先进技术的性能。
2017-02-16 cs.CV
Multi-Oriented Text Detection with Fully Convolutional Networks
Huazhong University of Science and Technology(华中科技大学);Shanghai University(上海大学)
在本文中,我们提出了一种新的方法来检测文本在自然图像。本地和全球的线索都考虑到本地化的文本行在一个由粗到细的pro-cancer。首先,训练全卷积网络(FCN)模型,以整体方式预测文本区域的显著图。然后,通过结合显著图和字符分量来估计文本行假设。最后,另一个FCN分类器被用来预测每个字符的质心,以消除错误的假设。该框架一般用于处理多个方向、语言和字体的文本。该方法在MSRA-TD 500、ICDAR 2015和ICDAR 2013三个文本检测基准上均达到了最先进的性能。
2016-04-16 cs.CV
RBCN: Rectified Binary Convolutional Networks for Enhancing the Performance of 1-bit DCNNs
Beihang University(北京航空航天大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室);The University of Adelaide(阿德莱德大学);Baidu Research(百度研究院)
二值化卷积神经网络(BCNN)被广泛用于提高深度卷积神经网络(DCNN)的存储器和计算效率,以用于基于移动和AI芯片的应用。然而,目前的BCNN无法完全探索其相应的全精度模型,导致它们之间存在显着的性能差距。在本文中,我们提出了矫正二进制卷积网络(RBCN),通过结合全精度内核和特征映射来优化BCNN,以在统一的框架中矫正二进制化过程。特别是,我们使用一个GAN来训练的1位二进制网络的指导下,其相应的全精度模型,这显着提高了BCNN的性能。整流卷积层是通用且灵活的,可以轻松地集成到现有的DCNN中,例如WideResNets和ResNets。大量的实验表明,所提出的RBCN的性能优于国家的最先进的BCNN。特别是,我们的方法显示出很强的泛化对象跟踪任务。
2019-09-06 cs.CV
Richer Convolutional Features for Edge Detection
Nankai University(南开大学);Advanced Digital Sciences Center(先进数字科学中心);Huazhong University of Science and Technology(华中科技大学);Nanjing University of Science and Technology(南京理工大学)
在本文中,我们提出了一个准确的边缘检测器,使用更丰富的卷积特征(RCF)。由于自然图像中的对象具有各种尺度和长宽比,因此CNN自动学习的丰富层次表示对于检测边缘和对象边界非常关键和有效。随着感受野的增大,卷积特征逐渐变粗。基于这些观察,我们提出的网络架构充分利用多尺度和多层次信息,通过将所有有用的卷积特征组合到一个整体框架中来执行图像到图像的边缘预测。这是第一次尝试在计算机视觉任务中采用如此丰富的卷积特征。使用VGG 16网络,我们在几个可用的数据集上实现了\sArt结果。在著名的BSDS 500基准测试中,我们实现了\textbf{.811}的ODS F-测量,同时保持了快速(\textbf{8} FPS)。此外,我们的快速版本的RCF实现了ODS F-措施的\textbf{.806}与\textbf{30} FPS。
2019-07-03 cs.CV
Learning 3D Shapes as Multi-Layered Height-maps using 2D Convolutional Networks
Technische Universität Kaiserslautern(凯泽斯劳滕工业大学);DFKI Kaiserslautern(德国人工智能研究中心凯泽斯劳滕分部)
我们提出了一种新的3D形状的全局表示,适用于2D CNN的应用。我们将3D形状表示为多层高度图(MLH),在每个网格位置,我们存储高度图的多个实例,从而表示隐藏在几层遮挡后面的3D形状细节。我们提出了一种新的视图合并方法,用于合并视图相关信息(例如,MLH描述符)。由于使用2D CNN的能力,与基于体素的输入相比,我们的方法在输入分辨率方面具有很高的内存效率。结合MLH描述符和我们的多视图合并,我们在ModelNet数据集上实现了最先进的分类结果。
2018-07-26 cs.CV
Combining transmission speckle photography and convolutional neural network for determination of fat content in cow's milk -- an exercise in classification of parameters of a complex suspension
Institute of Physics, Polish Academy of Sciences(波兰科学院物理研究所)
该研究结合透射散斑摄影与卷积神经网络,通过识别不同脂肪含量(0.5%、1.5%、2.0%和3.2%)的激光散斑图样来测定牛奶脂肪含量,在较短曝光时间下取得最高100%测试准确率,为复杂悬浮液参数分类提供了新方法。
2023-07-08 cs.CV eess.IV
Fast Shadow Detection from a Single Image Using a Patched Convolutional Neural Network
University of Alberta(阿尔伯塔大学)
近年来,人们提出了多种从单幅图像中检测阴影的方法,并将其应用于视觉系统中,但由于时间复杂度较高,大多数方法不适合机器人应用。本文介绍了一种使用深度学习框架的快速阴影检测方法,其时间成本适合于机器人应用。在我们的解决方案中,我们首先获得一个阴影先验图的帮助下,多类支持向量机使用统计特征。然后,我们使用一个语义感知的块级卷积神经网络,它通过结合原始图像和阴影先验图来有效地训练阴影示例。在基准数据集上的实验表明,该方法在不损失准确性的前提下,显著降低了阴影检测的时间复杂度,与现有方法相比降低了一到两个数量级。
2018-03-16 cs.CV
Efficient Convolutional Neural Networks for Depth-Based Multi-Person Pose Estimation
École Polytechnique Fédérale de Lausanne (EPFL)(洛桑联邦理工学院);Idiap Research Institute(Idiap研究所)
实现鲁棒的多人2D身体标志定位和姿态估计对于例如在HRI设置中遇到的人类行为和交互理解是必不可少的。最近已经提出了精确的方法,但它们通常依赖于相当深的卷积神经网络(CNN)架构,因此需要大量的计算和训练资源。在本文中,我们研究了不同的架构和方法来解决这些问题,并实现快速,准确的多人2D姿态估计。为了提高速度,我们建议使用深度图像,其结构包含有关身体标志的足够信息,同时比纹理彩色图像更简单,因此可能需要较不复杂的CNN进行处理。在这方面,我们作出以下贡献。i)我们研究了几种CNN架构设计,其将依赖于检测器级联概念的姿态机与轻量级且高效的CNN结构相结合; ii)为了解决对具有高可变性的大型训练数据集的需求,我们依赖于将多人合成深度数据与真实传感器背景相结合的半合成数据; iii)我们探索领域自适应技术,以解决在真实深度图像上进行测试所引入的性能差距; iv)为了提高我们的快速轻量级CNN模型的准确性,我们在几个架构级别上研究了知识蒸馏,这有效地提高了性能。对合成和真实数据的实验和结果突出了我们设计选择的影响,为解决实际应用中通常面临的标准问题的方法提供了见解,并导致架构在性能和速度方面有效地匹配我们的目标。
2019-12-02 cs.CV
Image Classification using Fuzzy Pooling in Convolutional Kolmogorov-Arnold Networks
School of Information Technology and Engineering(信息技术与工程学院);Kazakh-British Technical University(哈萨克斯坦-英国技术大学)
本文提出将KAN分类头与Fuzzy Pooling集成至CNN中,利用KAN的可解释性与模糊逻辑处理不确定性的能力,在图像分类任务中实现了较传统模型相当或更高的准确率,提升了模型的可解释性与效率。
2024-07-23 cs.CV
Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
POSTECH(浦项科技大学)
我们提出了一种新的视觉跟踪算法的基础上,从一个有区别地训练卷积神经网络(CNN)的表示。我们的算法使用大量具有跟踪地面实况的视频来预训练CNN,以获得通用的目标表示。我们的网络由共享层和特定领域层的多个分支组成,其中域对应于单独的训练序列,每个分支负责二进制分类以识别每个域中的目标。我们训练的网络相对于每个域迭代地获得通用的目标表示在共享层。当跟踪新序列中的目标时,我们通过将预训练的CNN中的共享层与在线更新的新二进制分类层相结合来构建新网络。在线跟踪通过评估在先前目标状态周围随机采样的候选窗口来执行。与现有跟踪基准测试中的最新方法相比,该算法具有出色的性能。
2016-01-06 cs.CV
CDN-MEDAL: Two-stage Density and Difference Approximation Framework for Motion Analysis
International University, Vietnam National University, Ho Chi Minh City(越南国家大学胡志明市国际大学);UiT The Arctic University of Norway(挪威北极大学)
背景建模和减法是一个很有前途的研究领域,在视频监控中有着广泛的应用。近年来,基于学习的深度神经网络在这一领域得到了迅速发展。然而,这些技术只提供了场景属性的有限描述,同时需要大量的计算,因为它们的单值映射函数被学习以近似观察到的目标背景和前景的时间条件平均值。另一方面,图像域中的统计学习一直是一种流行的方法,对动态上下文变换具有高度适应性,特别是使用具有泛化能力的高斯混合模型(GMM)。通过利用这两个,我们提出了一种新的方法称为CDN-MEDAL-net的背景建模和减法与两个卷积神经网络。第一个架构,CDN-GM,是基于一个无监督的GMM统计学习策略来描述所观察到的场景的显着特征。第二个是MEDAL-net,实现了一个轻量级的在线视频背景减除流水线。我们的两阶段架构很小,但它非常有效,可以快速收敛到复杂运动模式的表示。我们的实验表明,该方法不仅能够有效地提取区域的运动物体在看不见的情况下,但它也是非常有效的。
2021-09-21 cs.CV cs.LG
Convolutional neural networks with extra-classical receptive fields
Allen Institute for Brain Science(艾伦脑科学研究所)
卷积神经网络(CNN)在许多现实世界的应用中取得了巨大的成功,也被用来模拟大脑中的视觉处理。然而,这些网络是相当脆弱的-输入图像的微小变化可以显着改变网络的输出预测。与生物学所知的不同,这些网络在很大程度上依赖于前馈连接,忽略了循环连接的影响。他们还专注于监督学习,而不是无监督学习。为了解决这些问题,我们将通过反向传播的传统监督学习与专门的无监督学习规则相结合,以学习卷积神经网络中神经元之间的横向连接。这些连接已被证明可以最佳地整合来自周围环境的信息,为我们新提出的模型(CNNEx)中的神经元产生额外的经典感受野。具有最佳横向连接的模型对噪声更具鲁棒性,并在MNIST和CIFAR-10数据集的噪声版本上实现了更好的性能。通过将我们的模型与其他正则化技术(如dropout和weight decay)相结合,可以进一步提高对噪声的抵抗力。虽然MNIST和CIFAR-10的图像统计数据差异很大,但相同的无监督学习规则适用于这两个数据集。我们的研究结果证明了将监督和无监督学习技术相结合的潜在有用性,并表明将横向连接集成到卷积神经网络中是未来研究的一个重要领域。
2018-10-27 cs.CV q-bio.NC
Combining a Convolutional Neural Network with Autoencoders to Predict the Survival Chance of COVID-19 Patients
Deakin University(迪肯大学);Islamic Azad University(伊斯兰阿扎德大学);Isfahan University of Technology(伊斯法罕理工大学);University of Birjand(比尔詹德大学);Ferdowsi University of Mashhad(马什哈德菲尔多西大学);K. N. Toosi University of Technology(K. N. 图西理工大学);Universidad de Granada(格拉纳达大学);University of Cambridge(剑桥大学);Dibrugarh University(迪布鲁格尔大学);Iran University of Medical Sciences(伊朗医科大学);University of Bojnord(博杰纳德大学);The George Institute for Global Health(乔治全球健康研究所);University of Sydney(悉尼大学)
COVID-19已在全球造成多人死亡。这种病毒的诊断自动化是非常需要的。卷积神经网络(CNN)在图像数据集上显示出出色的分类性能。到目前为止,似乎尚未分析或探索基于CNN和临床信息的COVID计算机辅助诊断系统。我们提出了一种名为CNN-AE的新方法,使用经过临床信息训练的CNN来预测COVID-19患者的生存机会。值得注意的是,与收集临床数据(如血压、肝病等)所需的资源相比,准备CT图像所需的资源昂贵且有限。我们使用我们收集的公开临床数据集评估了我们的方法。对数据集属性进行了仔细分析,以提取重要特征并计算特征的相关性。提出了一种基于自动编码器(AE)的数据增强方法来平衡数据集。实验结果表明,CNN-AE的平均准确率(96.05%)高于CNN(92.49%)。为了证明我们增强方法的通用性,我们在我们的数据集上训练了一些现有的死亡率风险预测方法(有和没有数据增强),并比较了它们的性能。我们还使用另一个数据集对我们的方法进行了评估,以进行进一步的通用性验证。为了证明临床数据可用于COVID-19生存机会预测,将CNN-AE与基于CT图像调整的多个预训练深度模型进行了比较。
2021-08-09 cs.CV eess.IV
An Architecture Combining Convolutional Neural Network (CNN) and Support Vector Machine (SVM) for Image Classification
卷积神经网络(CNN)类似于“普通”神经网络,因为它们由具有“可学习”参数的神经元组成的隐藏层组成。这些神经元接收输入,执行点积,然后以非线性跟随它。整个网络表达了原始图像像素与其类得分之间的映射。通常,Softmax函数是在该网络的最后一层使用的分类器。然而,已经有研究(Alalshekmusic和Smith,2013; Agarap,2017; Tang,2013)对这一规范提出了挑战。所引用的研究介绍了在人工神经网络架构中使用线性支持向量机(SVM)。这个项目是对这个主题的又一次尝试,灵感来自(Tang,2013)。经验数据表明,使用MNIST数据集,CNN-SVM模型能够实现约99.04%的测试准确度(LeCun,Cortes和Burges,2010)。另一方面,CNN-Softmax能够使用相同的数据集实现约99.23%的测试准确度。这两个模型也在最近发布的Fashion-MNIST数据集上进行了测试(Xiao,Rasul和Vollliant,2017),这被认为是比MNIST更难的图像分类数据集(Zalandoresearch,2017)。事实证明,CNN-SVM的测试准确率达到了~ 90.72%,而CNN-Softmax的测试准确率达到了~ 91.86%。如果在数据集上采用数据预处理技术,并且如果基础CNN模型比本研究中使用的模型相对更复杂,则所述结果可能会得到改善。
2019-02-07 cs.CV cs.LG cs.NE