Faster or Stronger: Towards Flexible Visual Place Recognition via Weighted Aggregation and Token Pruning
University College London(伦敦大学学院);Karlsruhe Institute of Technology(卡尔斯鲁厄大学);Hunan University(湖南大学);Shenzhen University(深圳大学)
本文提出了一种加权聚合描述符(WeiAD)和标记剪枝框架(WeiToP),用于提升视觉位置识别的性能和效率,通过动态调整特征提取的精度与效率平衡。
2026-05-19 cs.AI cs.CV cs.RO
Multimodal Fusion with Deep Neural Networks for Audio-Video Emotion Recognition
École de Technologie Supérieure, University of Québec(魁北克大学高等技术学院)
本文提出了一种新的深度神经网络(DNN),用于情感识别的音频,视频和文本模态的多模态融合。所提出的DNN架构具有独立和共享的层,旨在学习每种模态的表示,以及最佳组合表示以实现最佳预测。在Wild数据集中的AVEC情感分析上的实验结果表明,所提出的DNN可以实现比在特征级执行模态早期融合的其他最先进的系统更高水平的一致性相关系数(CCC)(即,级联)和在分数级的后期融合(即,加权平均)融合。所提出的DNN在用于预测唤醒、效价和喜欢的数据集的发育分区上分别实现了0.606、0.534和0.170的CCC。
2019-07-06 cs.CV eess.AS eess.IV
Palmprint Recognition in Uncontrolled and Uncooperative Environment
Nanyang Technological University(南洋理工大学)
在线掌纹识别和潜在掌纹识别是掌纹研究的两个分支。前者利用数码相机在良好控制或接触式环境中收集的中等分辨率图像,并与用户合作用于商业应用,后者利用在犯罪现场收集的高分辨率潜在掌纹进行法医调查。然而,这两个分支并没有涵盖一些具有法医调查潜力的掌纹图像。由于智能手机和消费者相机的普及,更多的证据是在不受控制和不合作的环境中拍摄的数字图像,例如,儿童色情图像和恐怖主义图像,犯罪分子通常隐藏或遮盖面部。但他们的手掌可以被观察到。为研究非受控、非合作环境下采集的图像的掌纹识别问题,建立了一个新的掌纹数据库,提出了一种端到端的深度学习算法。新的数据库名为NTU-PI-v1(NTU-PI-v1),包含从互联网上收集的2035个手掌的7881个图像。该算法由对齐网络和特征提取网络组成,具有端到端的可训练性。该算法与最先进的在线掌纹识别方法进行了比较,并在三个公共的非接触式掌纹数据库,IITD,CASIA和理大和两个新的数据库,NTU-PI-v1和NTU非接触式掌纹数据库进行了评估。实验结果表明,该算法优于现有的掌纹识别方法。
2019-11-28 cs.CV
Online Action Recognition based on Incremental Learning of Weighted Covariance Descriptors
China University of Geosciences(中国地质大学);University of Wollongong(卧龙岗大学)
与传统的基于视频片段的动作识别不同,在线动作识别旨在以连续的方式从未分割的数据流中识别动作。在线识别的一种方法是基于随着时间的推移而积累的证据来从流视频中进行预测。本文提出了一种快速有效的方法从噪声骨架数据流中识别动作,并采用一种新的加权协方差描述子来积累证据。特别是,一个快速增量更新方法的加权协方差描述符的时间信息的积累和在线预测。加权协方差描述符考虑了以下原则:过去的帧对识别的贡献较小,最近的和有信息的帧(如关键帧)对识别的贡献较大。在线识别是使用一个简单的最近邻搜索对一组离线训练的动作模型。MSC-12 Kinect手势数据集和我们新构建的在线动作识别数据集上的实验结果证明了所提出的方法的有效性。
2017-07-06 cs.CV
Indian Sign Language Recognition Using Eigen Value Weighted Euclidean Distance Based Classification Technique
Assam Don Bosco University(阿萨姆唐博斯科大学)
手语识别是当今发展最快的研究领域之一。近年来,在这些领域中发展了许多新技术。在本文中,我们提出了一个系统,使用本征值加权欧氏距离作为一种分类技术,用于识别各种印度手语。该系统包括四个部分:皮肤过滤,裁剪,特征提取和分类。本文考虑了24个标志,每个标志有10个样本,因此总共考虑了240幅图像,获得的识别率为97%。
2013-03-04 cs.CV
Methods of Weighted Combination for Text Field Recognition in a Video Stream
Federal Research Center “Computer Science and Control” of Russian Academy of Sciences(俄罗斯科学院计算机科学与控制联邦研究中心);Smart Engines Service LLC;Moscow Institute of Physics and Technology “MIPT”(莫斯科物理技术学院(MIPT))
由于文档识别应用的显著扩展,存在对移动设备上的识别的高需求。与扫描仪不同,移动相机不能总是确保不存在各种图像失真,因此提高识别精度的任务是相关的。与扫描仪相比,移动设备的优势在于能够使用视频流输入,这允许获得识别文档的多个图像。尽管如此,当使用视频流输入时,对组合从不同帧获得的识别结果的问题当前没有给予足够的关注。本文提出了一种加权的文本串识别结果组合方法和加权准则,并提供实验数据验证其正确性和有效性。基于所获得的结果,可以得出结论,使用这样的加权组合是适当的,以提高视频流识别结果的质量。
2019-11-27 cs.CV
Recognition of Offline Handwritten Devanagari Numerals using Regional Weighted Run Length Features
Jadavpur University(贾达布尔大学)
手写体罗马字符和数字的识别在过去的几十年里得到了广泛的研究,其准确性达到了令人满意的状态。但是,在谈论印度最受欢迎的文字之一的梵文脚本时,情况就不同了。本文提出了一个高效的手写梵文数字识别系统。该系统使用了一种新的196元素的掩模定向(MOD)的识别目的的功能。该方法进行了测试,使用5个传统的分类器上6000个手写数字样本。在应用3折交叉验证方案,该系统产生最高的识别准确率为95.02%,使用支持向量机(SVM)分类器。
2018-06-29 cs.CV
Attention-based Temporal Weighted Convolutional Neural Network for Action Recognition
Xi’an Jiaotong University(西安交通大学);HERE Technologies(HERE科技);Alibaba Group(阿里巴巴集团);Microsoft Research(微软研究院)
自从卷积神经网络(CNN)等强大的机器学习工具问世以来,人类动作识别的研究速度显著加快。然而,在最近的文献中,将时间信息并入CNN的有效和高效的方法仍在积极探索中。受自然语言处理研究领域中流行的递归注意模型的启发,本文提出了基于注意的时间加权CNN(ATW),它将视觉注意模型嵌入到时间加权的多流CNN中。这种注意力模型简单地实现为时间加权,但它有效地提高了视频表示的识别性能。此外,建议的ATW框架中的每个流都能够进行端到端的训练,网络参数和时间权重都通过具有反向传播的随机梯度下降(SGD)进行优化。我们的实验表明,所提出的注意力机制的性能增益与更多的歧视性片段,专注于更相关的视频片段。
2018-03-19 cs.CV
SWTF: Sparse Weighted Temporal Fusion for Drone-Based Activity Recognition
National University of Ireland(爱尔兰国立大学);Birla Institute of Technology and Science(比尔拉科学技术学院);Bournemouth University(伯恩茅斯大学)
过去几年,基于无人机摄像头的人类活动识别(HAR)受到了计算机视觉研究界的高度关注。一个健壮高效的HAR系统在视频监控、人群行为分析、体育分析、人机交互等领域有着举足轻重的作用。使它具有挑战性的是复杂的姿势,理解不同的观点,以及行动发生的环境场景。为了解决这样的复杂性,在本文中,我们提出了一种新的稀疏加权时间融合(SWTF)模块,利用稀疏采样的视频帧获得全局加权时间融合的结果。拟议的SWTF分为两个部分。首先,一个时间段网络,稀疏采样一组给定的帧。第二,加权时间融合,其结合了从光流导出的特征图与原始RGB图像的融合。接下来是基础网络,它包括一个卷积神经网络模块以及为我们提供活动识别的完全连接的层。SWTF网络可以用作现有深度CNN架构的插件模块,用于通过消除对单独时间流的需要来优化它们以学习时间信息。它已经在三个公开的基准数据集上进行了评估,即Okutama,MOD 20和Drone-Action。所提出的模型在各自的数据集上获得了72.76%,92.56%和78.86%的准确率,从而大大超过了以前的最先进性能。
2022-11-10 cs.CV
Unsupervised Quality Prediction for Improved Single-Frame and Weighted Sequential Visual Place Recognition
Queensland University of Technology(昆士兰科技大学);QUT Centre for Robotics(昆士兰科技大学机器人中心)
本文提出一种无需训练的无监督质量预测方法,用于评估视觉地点识别定位质量,并利用预测结果加权序列匹配,在四个数据集和三种VPR技术上提升高精确率场景下的识别性能。
2023-07-04 cs.CV
Confidence-Weighted Local Expression Predictions for Occlusion Handling in Expression Recognition and Action Unit detection
Sorbonne Universités, UPMC Univ Paris 06, CNRS, ISIR UMR 7222(索邦大学,巴黎第六大学,法国国家科学研究中心,ISIR UMR 7222)
从静止图像中进行全自动面部表情识别(FER)是一项具有挑战性的任务,因为它涉及处理大的人际形态差异,并且偶尔会发生部分遮挡。此外,标记表达式是一个耗时的过程,易于主观性,因此训练数据可能无法完全覆盖可变性。在这项工作中,我们建议训练随机森林上空间定义的局部子空间的脸。输出的本地预测形成了一个分类表达式驱动的高级表示,我们称之为本地表达式预测(LEP)。LEP可以组合来描述分类面部表情以及动作单元(AU)。此外,LEP可以通过自动编码器网络提供的置信度得分来加权。这种网络被训练成以分层方式局部捕获非遮挡训练数据的流形。大量的实验表明,所提出的LEP表示产生高的描述能力的分类表达式和AU发生预测,并导致有趣的观点对遮挡鲁棒性和置信度感知FER系统的设计。
2016-07-21 cs.CV
A Fusion of Labeled-Grid Shape Descriptors with Weighted Ranking Algorithm for Shapes Recognition
Islamia College Peshawar (Chartered University)(白沙瓦伊斯兰学院(特许大学));National University of Computer and Emerging Sciences(国立计算机与新兴科学大学)
基于图像内容从大数据集中检索相似图像一直是一个非常活跃的研究领域,也是一项非常具有挑战性的任务。研究表明,基于形状的相似图像检索是一种非常有效的方法。为此目的,文献中存在大量的方法。多个功能的组合也已为此目的进行了研究,并已显示出可喜的成果。本文提出了一种基于融合的形状识别方法。一组局部边界为基础的和区域为基础的功能,从标记的网格为基础的表示的形状,并结合了一些全球形状特征,以产生一个复合形状描述符。然后,在加权排名算法中使用该复合形状描述符,以从大型数据集中找到形状之间的相似性。实验分析表明,该方法能够有效地区分几何相似形状和非相似形状。
2014-06-16 cs.CV
AW-GATCN: Adaptive Weighted Graph Attention Convolutional Network for Event Camera Data Joint Denoising and Object Recognition
School of Electronic and Electrical Engineering(电子与电气工程学院);Centre for Machine Intelligence(智能机器研究中心);The University of Sheffield(谢菲尔德大学)
针对事件相机数据噪声大且易丢失时空信息的问题,提出自适应图去噪框架,通过密度分析分割、多因素边权重及图去噪策略,在四个数据集上识别准确率达83.77%-99.30%,优于现有方法。
2025-05-26 cs.CV
DroneAttention: Sparse Weighted Temporal Attention for Drone-Camera Based Activity Recognition
National University of Ireland, Galway(爱尔兰国立大学戈尔韦分校);CogniX;Birla Institute of Technology and Science Pilani(比拉理工学院皮拉尼分校);University of Texas, San Antonio(德克萨斯大学圣安东尼奥分校);Bournemouth University(伯恩茅斯大学)
近年来,使用安装在无人机上的相机的人类活动识别(HAR)引起了计算机视觉研究界的极大兴趣。一个健壮高效的HAR系统在视频监控、人群行为分析、体育分析、人机交互等领域有着举足轻重的作用。使它具有挑战性的是复杂的姿势,理解不同的观点,以及行动发生的环境场景。为了解决这样的复杂性,在本文中,我们提出了一种新的稀疏加权时间注意力(SWTA)模块,利用稀疏采样的视频帧获得全局加权时间注意力。拟议的SWTA由两部分组成。首先,时间段网络,稀疏采样一组给定的帧。第二,加权时间注意力,它融合了从光流得到的注意力地图和原始RGB图像。接下来是Basenet网络,它包括一个卷积神经网络(CNN)模块以及为我们提供活动识别的完全连接层。SWTA网络可以用作现有深度CNN架构的插件模块,用于通过消除对单独时间流的需要来优化它们以学习时间信息。它已经在三个公开的基准数据集上进行了评估,即Okutama,MOD 20和Drone-Action。所提出的模型在各自的数据集上获得了72.76%,92.56%和78.86%的准确率,从而分别超过了25.26%,18.56%和2.94%的利润率。
2022-12-07 cs.CV
Weighted Attribute Fusion Model for Face Recognition
Sona college of Technology(索纳理工学院);St.Peter’s Engineering College(圣彼得工程学院);Olivetti Research Laboratory(奥利维蒂研究实验室)
基于其属性识别人脸是人类执行的一项简单任务,因为它是一个认知过程。近年来,人脸识别是利用各种人脸特征单独或组合使用来实现的。目前,特征融合方法和并行方法是通过在不同层次上集成多个特征集来使用和执行的面部特征。然而,这种集成和组合方法并不能保证更好的结果。因此,为了达到更好的效果,选择了多个加权的面部属性集的特征融合模型。对于该特征模型,从Olivetti研究实验室(ORL)获取来自预定义数据集的人脸图像,并应用于不同的方法,如基于主成分分析(PCA)的特征特征提取技术、基于离散余弦变换(DCT)的特征提取技术、基于直方图的特征提取技术和基于简单强度的特征。从这些方法中提取的特征集进行了比较和测试的准确性。在这项工作中,我们开发了一个模型,它将使用上述一套特征提取技术与不同级别的权重,以达到更好的准确性。结果表明,选择最佳的权重为特定的功能将导致识别率的提高。
2010-09-28 cs.CV
ClusVPR: Efficient Visual Place Recognition with Clustering-based Weighted Transformer
Institute of Image Processing and Pattern Recognition, Shanghai Jiao Tong University(上海交通大学图像处理与模式识别研究所);School of Communication and Electrical Engineering, East China Normal University(华东师范大学通信与电子工程学院)
ClusVPR提出基于聚类的加权Transformer网络(CWTNet)和优化VLAD层,结合金字塔自监督策略,解决视觉地点识别中重复区域和小物体问题,在四个数据集上以更低复杂度实现更优性能。
2023-10-12 cs.CV
Low-Latency Human Action Recognition with Weighted Multi-Region Convolutional Neural Network
University of Science and Technology of China(中国科学技术大学);HERE Technologies(HERE科技公司)
时空背景对于理解视频中的人类行为至关重要。最近最先进的基于卷积神经网络(ConvNet)的动作识别系统经常涉及3D时空ConvNet过滤器,将视频分块为固定长度的片段和长短期记忆(LSTM)网络。这样的架构被设计为利用短期和长期时间上下文两者,但是还需要累积预定义数量的视频帧(例如,为3D ConvNet过滤器构建视频剪辑,为LSTM生成足够的输入)。针对需要对快速变化的动作场景进行低延迟在线预测的应用,本文提出了一种新的动作识别系统。被称为"加权多区域卷积神经网络"(WMR ConvNet),所提出的系统是无LSTM的,并且基于2D ConvNet,其不需要用于3D ConvNet滤波的视频帧的累积。与纯粹基于RGB帧和光流帧的早期2D ConvNet不同,WMR ConvNet被设计为同时捕获多个空间和短期时间线索(例如,人的姿势、背景中对象的出现)与主区域(前景)和次区域(主要是背景)。在UCF101和HMDB51数据集上,所提出的WMR ConvNet在竞争的低延迟算法中实现了最先进的性能。此外,WMR ConvNet的性能甚至优于基于3D ConvNet的C3D算法,后者需要视频帧累积。在去除光流ConvNet流的消融研究中,消融的WMR ConvNet仍然优于竞争算法。
2018-05-08 cs.CV
Polyhedral Object Recognition by Indexing
INRIA Grenoble Rhône-Alpes(法国国家信息与自动化研究所格勒诺布尔-罗纳-阿尔卑斯分部)
本文提出一种基于多项式特征和哈希的图索引新方法,用于从2-D图像中识别3-D多面体物体,并构建了一个实用的基于索引的识别系统。
2023-11-21 cs.CV
Gesture Recognition with a Focus on Important Actions by Using a Path Searching Method in Weighted Graph
Kinki University(近畿大学)
本文提出了一种手势识别的方法,重点是重要的动作区分相似的手势。该方法利用光流图像生成部分动作序列,并将其表示在特征空间中,采用加权图的最优路径搜索方法对特征向量序列进行检查,聚焦重要动作。还介绍了相似的手语单词识别的实验结果。
2009-12-09 cs.CV cs.LG
Image recognition via Vietoris-Rips complex
Fukuoka University(福冈大学);Shibaura Institute of Technology(芝浦工业大学);RIKEN(理化学研究所)
从图像中提取信息特征在计算机视觉中具有重要意义。在本文中,我们提出了一种方法来提取这样的功能从图像的方法基于代数拓扑。为此,我们从图像中构造一个加权图,它提取图像的局部信息。通过把这个加权图看作一个伪度量空间,我们构造了一个Vietoris-Rips复形的参数$\varepsilon$由一个著名的代数拓扑过程。我们可以提取图像的复杂性信息,并可以从该Vietoris-Rips复合体中检测具有相对高浓度信息的子图像。Vietoris-Rips复合体的参数$\varepsilon$产生对噪声的鲁棒性。我们的经验表明,提取的特征捕捉图像的特性。
2021-09-06 cs.CV
Performance analysis of weighted low rank model with sparse image histograms for face recognition under lowlevel illumination and occlusion
NIT Warangal(瓦朗加尔国家理工学院)
在广泛的计算机视觉应用中,低秩矩阵近似(LRMA)模型的目的是从其退化的观察中恢复底层的低秩矩阵。最新的LRMA方法-鲁棒主成分分析(RPCA)采用核范数最小化(NNM)作为非凸秩最小化的凸松弛。然而,NNM倾向于过度收缩秩分量,并平等对待不同秩分量,限制了其在实际应用中的灵活性。我们使用一个更灵活的模型,即加权Schatten p-范数最小化(WSNM),将NNM推广到Schatten p-范数最小化,并将权重分配给不同的奇异值。提出的WSNM不仅给出了一个更好的近似原始的低秩假设,但也考虑了不同的秩分量的重要性。在本文中,两个LRMA算法- RPCA和WSNM的低秩恢复性能进行了比较,在遮挡的人脸图像。该分析是在来自Yale数据库和over own数据库的面部图像上进行的,其中不同的面部表情、眼镜、不同的照明解释了面部遮挡。本文还讨论了通过这些算法的应用进行的实验结果观察到的突出趋势。由于低秩图像有时可能无法充分捕捉到人脸的细节,我们进一步提出了一种新的方法,使用图像直方图的稀疏图像,从而获得识别个人在任何给定的图像。大量的实验结果表明,定性和定量,WSNM超越RPCA在其性能更有效地消除面部遮挡,从而恢复低秩图像的更高的PSNR和SSIM。
2020-07-24 cs.CV
Local and Global Graph Modeling with Edge-weighted Graph Attention Network for Handwritten Mathematical Expression Recognition
Nantes Universite(南特大学);Ecole Centrale Nantes(南特中央理工学院);CNRS(法国国家科学研究中心);Rochester Institute of Technology(罗切斯特理工学院)
提出融合 EGAT 与局部/全局笔画级图建模的端到端 HMER 方法,将识别转化为节点与边分类,提升符号、关系及表达式识别性能。
2024-10-24 cs.CV cs.LG
Multiple Classifier Combination for Off-line Handwritten Devnagari Character Recognition
Meghnad Saha Institute of Technology(梅格纳德·萨哈技术学院);Jadavpur University(贾达普大学)
本文提出了加权多数表决技术的应用,结合从三个多层感知器(MLP)为基础的分类器的手写Devnagari字符识别使用三个不同的特征集的分类决策。所使用的特征是相交,阴影特征和链码直方图特征。对字符图像全局计算阴影特征,将字符图像分割成不同的区域,计算交集特征和链码直方图特征。在对4900个样本的数据集进行实验时,观察到的总体识别率为92.16%,因为我们考虑了前五个选择结果。该方法与其他最近的方法相比,手写Devnagari字符识别,它已被观察到,这种方法比其他方法有更好的成功率。
2010-06-30 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
Multimodal Latent Emotion Recognition from Micro-expression and Physiological Signals
University of St Andrews(圣安德鲁斯大学)
该研究聚焦微表情与生理信号的多模态潜在情绪识别,提出含新型网络、加权融合及引导注意力模块的多模态学习框架,实验证明其性能优于基准方法。
2023-08-23 cs.AI cs.CV
Visual attention models for scene text recognition
Computer Vision Center(计算机视觉中心);Media Integration and Communication Center (MICC)(媒体集成与通信中心 (MICC));Universita di Firenze(佛罗伦萨大学)
在本文中,我们提出了一种方法来词汇的无文本识别场景图像。我们的方法依赖于从卷积特征中学习的基于LSTM的软视觉注意力模型。从对应于图像的不同区域的中间卷积层导出一组特征向量。这允许将空间信息编码到图像表示中。通过这种方式,框架能够学习如何选择性地关注图像的不同部分。在每个时间步,识别器根据学习的注意力模型使用卷积特征向量的加权组合来发出一个字符。训练可以只使用单词级注释进行端到端。此外,我们表明,通过整合显式语言模型来修改波束搜索算法会导致更好的识别结果。我们在标准SVT和ICDAR '03场景文本数据集上验证了我们的方法的性能,在无约束文本识别中显示了最先进的性能。
2017-06-05 cs.CV
Spiking Neural Networks for Visual Place Recognition via Weighted Neuronal Assignments
Queensland University of Technology(昆士兰科技大学)
脉冲神经网络(SNN)提供了引人注目的潜在优势(包括能量效率和低延迟)和挑战(包括事件脉冲的不可微性质)。这一领域的许多初步研究已经将深度神经网络转换为等效的SNN,但这种转换方法可能会否定从头开始开发的基于SNN的方法的一些优点。高性能SNN的一个有前途的领域是模板匹配和图像识别。这项研究介绍了第一个高性能的SNN视觉位置识别(VPR)任务:给定一个查询图像,SNN必须找到最接近的匹配的参考图像列表。这个新系统的核心是一种新的分配方案,它通过对单个位置编码神经元进行上加权,并对响应多个不同参考位置的“模糊”神经元进行下加权,实现了一种形式的模糊信息显着性。在具有挑战性的Nordland,Oxford RobotCar,SPEDTest,Synthia和St Lucia数据集上进行的一系列实验中,我们表明我们的SNN实现了与最先进和经典技术相当的VPR性能,并且随着参考位置数量的增加,性能优雅地下降。我们的研究结果为SNN提供了一个重要的里程碑,可以提供强大,节能和低延迟的机器人定位。
2022-02-10 cs.CV cs.RO
RGB Video Based Tennis Action Recognition Using a Deep Historical Long Short-Term Memory
Xiamen University of Technology(厦门理工学院);Nanyang Technological University(南洋理工大学)
在计算机视觉中,基于RGB输入的动作识别技术在虚拟网球比赛、网球技战术视频分析等运动的人体模拟和统计方面具有潜在的应用价值,因此受到越来越多的关注。最近,基于深度学习的方法在动作识别方面取得了令人鼓舞的性能。本文提出了一种采用加权长短期记忆和卷积神经网络表示的三维网球击球识别方法。首先,使用预先训练的Inception网络从每个视频帧单独提取局部二维卷积神经网络空间表示。然后,引入加权的长短期记忆解码器以采用时间t的输出状态和时间t-1的历史嵌入特征来使用得分加权方案生成特征向量。最后,我们使用所采用的CNN和加权LSTM将原始视觉特征映射到向量空间,以生成视觉序列的时空语义描述并对动作视频内容进行分类。在基准测试上的实验表明,我们的方法只使用简单的原始RGB视频可以实现更好的性能比国家的最先进的基线网球拍识别。
2018-09-25 cs.CV cs.LG stat.ML
Multi-Region Ensemble Convolutional Neural Network for Facial Expression Recognition
The University of Hong Kong(香港大学)
面部表情在传达人类的情感状态方面起着重要的作用。最近,由于卷积神经网络(CNN)的辨别能力,深度学习方法已经被应用于图像识别领域。在本文中,我们首先提出了一种新的多区域包围CNN(MRE-CNN)框架的面部表情识别,其目的是提高CNN模型的学习能力,从多个人脸子区域捕获全局和局部特征。其次,来自每个子网络的加权预测分数被聚合以产生高精度的最终预测。第三,我们研究了整个面部的不同子区域对面部表情识别的影响。我们提出的方法进行评估的基础上两个著名的公开可用的面部表情数据库:AFEW 7.0和RAF-DB,并已被证明达到国家的最先进的识别精度。
2018-07-12 cs.CV cs.HC
Combining Multiple Feature Extraction Techniques for Handwritten Devnagari Character Recognition
Meghnad Saha Institute of Technology(梅格纳德·萨哈技术学院);Jadavpur University(贾达普大学)
在本文中,我们提出了一个OCR手写Devnagari字符。基本符号由神经分类器识别。我们使用了四种特征提取技术,即相交、阴影特征、链码直方图和直线拟合特征。对字符图像全局计算阴影特征,通过对字符图像进行分段计算相交特征、链码直方图特征和直线拟合特征。加权多数表决技术被用于组合从四个多层感知器(MLP)的分类器获得的分类决策。在对4900个样本的数据集进行实验时,观察到的总体识别率为92.80%,因为我们考虑了前五个选择结果。该方法与其他最近的方法相比,手写Devnagari字符识别,它已被观察到,这种方法比其他方法有更好的成功率。
2010-05-21 cs.AI cs.CV
Self-Weighted Multiview Metric Learning by Maximizing the Cross Correlations
Dalian Maritime University(大连海事大学)
随着多媒体时代的发展,一个样本往往可以从多个包含兼容和互补信息的视角来描述。大多数算法不能考虑来自多个视图的信息,并且在大多数情况下不能实现期望的性能。对于许多应用,例如图像检索、人脸识别等,适当的距离度量可以更好地反映各种样本之间的相似性。因此,如何构造一个良好的距离度量学习方法来处理多视点数据一直是近十年来的一个重要课题。在本文中,我们提出了一种新的算法称为自加权多视图度量学习(SM2L),它可以通过最大化不同视图之间的互相关来完成这个任务。此外,由于多个视图对SM2L的学习过程有不同的贡献,我们采用自加权学习框架来分配不同权重的多个视图。基准数据集上的各种实验可以验证我们提出的方法的性能。
2019-03-19 cs.CV cs.LG
Self-Attention with State-Object Weighted Combination for Compositional Zero Shot Learning
本文提出SASOW方法,通过引入自注意力机制和状态-对象加权组合,提升组合零样本学习的识别准确率。
2025-12-22 cs.AI cs.CV
Towards Interpretable Semantic Segmentation via Gradient-weighted Class Activation Mapping
Max Planck Institute of Molecular Cell Biology and Genetics(马克斯·普朗克分子细胞生物学与遗传学研究所);Center for Systems Biology Dresden(德累斯顿系统生物学中心)
卷积神经网络已成为最先进的在广泛的图像识别任务。然而,对他们的预测的解释是一个活跃的研究领域。尽管已经提出了各种解释方法用于图像分类,但是图像分割的解释仍然在很大程度上未被探索。为此,我们提出了SEG-GRAD-CAM,一个基于梯度的方法来解释语义分割。我们的方法是广泛使用的Grad-CAM方法的扩展,局部应用于生成热图,显示语义分割的各个像素的相关性。
2020-02-26 cs.CV cs.LG eess.IV
Deep Learning for Visual Recognition of Environmental Enteropathy and Celiac Disease
医生使用活组织检查来区分不同但组织学相似的肠病。可能导致不同胃肠道疾病的综合征和病理的范围使其成为一个难题。最近,深度学习已成功用于帮助诊断组织病理学图像中的癌组织。这些成功激发了本文中提出的研究,该研究描述了一种深度学习方法,可以从数字化十二指肠活检中区分乳糜泻(CD)和环境性肠病(EE)以及正常组织。实验结果表明,这种方法的准确率超过90%。我们还研究使用梯度加权类激活映射和输入图像上的过滤器激活来解释神经网络模型,以理解对模型所做决策的视觉解释。
2019-08-08 cs.CV eess.IV q-bio.QM
Smart Content Recognition from Images Using a Mixture of Convolutional Neural Networks
Multimedia University(多媒体大学)
随着互联网的迅速发展,网络内容变得庞大。大多数网站都是公开的,任何人都可以从任何地方访问内容,如工作场所,家庭甚至学校。然而,并非所有的网页内容都适合所有用户,尤其是儿童。这些内容的一个例子是色情图像,应该限制在特定的年龄组。此外,这些图像对工作不安全(NSFW),员工在工作期间不应该看到访问这些内容。近年来,卷积神经网络已成功地应用于许多计算机视觉问题。受这些成功的启发,我们提出了一种用于成人内容识别的卷积神经网络混合。与其他作品不同,我们的方法是在多个深度神经网络模型的加权和上制定的。每个CNN模型的权重表示为使用普通最小二乘法(OLS)学习的线性回归问题。实验结果表明,该模型在成人内容识别中的性能优于单个CNN模型和CNN模型的平均和。
2017-07-14 cs.CV cs.NE stat.ML