Neural Architecture based on Fuzzy Perceptual Representation For Online Multilingual Handwriting Recognition
University of Sfax（斯法克斯大学）；National Engineering School of Sfax（斯法克斯国立工程师学院）；Sifast
由于移动设备的无处不在，在线手写脚本已经成为智能手机和平板设备的最重要的馈送输入。为了提高在线手写识别性能，更深的神经网络已被广泛使用。在此背景下，我们的论文处理的问题，在线手写体识别的基础上提取特征系统和深入的方法系统的序列分类。已经出现了许多解决方案，以促进手写识别。因此，我们使用现有的方法，并结合新的分类器，以获得一个灵活的系统。与在线拉丁文和阿拉伯文字符和单词识别系统相比，取得了良好的效果。我们提出的两个系统的性能进行评估，使用五个数据库。事实上，识别率超过98%。
2019-08-01 cs.CV
Accurate online action and gesture recognition system using detectors and Deep SPD Siamese Networks
本文提出一种基于SPD矩阵表示和孪生网络的骨架序列流在线识别系统，通过检测器预测运动区间并由分类器识别动作，在多个基准上取得领先性能。
2025-11-07 cs.AI cs.CV cs.HC
A Comprehensive Evaluation Framework for the Study of the Effects of Facial Filters on Face Recognition Accuracy
University of Notre Dame（北德克萨斯大学）
提出一个涵盖受控数据集、原则化滤镜选择与实验评估的综合框架，以大规模研究跨文化社交媒体面部滤镜对人脸识别的影响，并检测和恢复人脸嵌入空间中的滤镜效应。
2025-07-23 cs.CV
Fun Selfie Filters in Face Recognition: Impact Assessment and Removal
NTNU（挪威科技大学）；Hochschule Darmstadt（达姆施塔特应用技术大学）
这项工作研究了经常用于修改自拍的有趣自拍过滤器对人脸识别系统的影响。基于对免费移动应用程序的定性评估和分类，选择了十个相关的有趣自拍滤镜来创建数据库。为此，所选择的过滤器被自动应用于公共面部图像数据库的面部图像。使用不同的最先进的方法来评估有趣的自拍过滤器对使用dlib，RetinaFace和COTS方法进行人脸检测的性能，FaceQNet和MagFace估计的样本质量以及使用ArcFace和COTS算法的识别准确性的影响。所获得的结果表明，自拍过滤器对面部识别模块产生负面影响，特别是如果有趣的自拍过滤器覆盖了面部的大区域，其中嘴巴，鼻子和眼睛被覆盖。为了减轻这种不必要的影响，提出了一种基于GAN的自拍滤波器去除算法，该算法由分割模块、感知网络和生成模块组成。在跨数据库实验中，所提出的自拍过滤器去除技术的应用已经显示出显着提高了底层人脸识别系统的生物识别性能。
2022-02-12 cs.CV
Online Hand Gesture Recognition Using 3D Convolutional Neural Networks
School of Electronic Engineering and Computer Science（电子工程与计算机科学学院）；Queen Mary, University of London（伦敦大学Queen Mary）
提出一种基于3D卷积神经网络的在线手势识别系统，通过滑动窗口优化实时视频流中的手势定位与分类，在Jester数据集上检测器准确率超98%，分类器超90%。
2026-05-22 cs.AI cs.CV
2D Face Recognition System Based on Selected Gabor Filters and Linear Discriminant Analysis LDA
Benha University（班哈大学）
本文提出了一种新的人脸识别方法。该方法基于二维人脸图像的特征，使用非相关的正交Gabor滤波器子集代替整个Gabor滤波器组，然后使用线性判别分析（LDA）压缩输出特征向量。采用多级图像处理技术对人脸图像进行增强处理，使其归一化并补偿光照变化。实验结果表明，该系统是有效的降维和良好的识别性能相比，完整的Gabor滤波器组。该系统在CASIA、ORL和Cropped YaleB二维人脸图像库上进行了测试，平均识别率达到98.9%。
2015-03-12 cs.CV
Micro-gesture Online Recognition using Learnable Query Points
School of Computer Science and Information Engineering（计算机与信息工程学院）；School of Artificial Intelligence（人工智能学院）；Hefei University of Technology (HFUT)（合肥工业大学）；Key Laboratory of Knowledge Engineering with Big Data (HFUT), Ministry of Education（大数据知识工程教育部重点实验室）；Institute of Artificial Intelligence, Hefei Comprehensive National Science Center（合肥综合性国家科学中心人工智能研究院）；Zhejiang University（浙江大学）；Anhui Zhonghuitong Technology Co., Ltd.（安徽中汇通科技有限公司）
本文提出HFUT-VUT团队在IJCAI 2024 MiGA挑战赛微手势在线识别赛道中排名第二的解决方案，利用可学习查询点实现微手势类别识别与起止时间定位。
2024-07-05 cs.CV
A Hybrid NN/HMM Modeling Technique for Online Arabic Handwriting Recognition
University of Sfax（斯法克斯大学）
在这项工作中，我们提出了一个混合NN/HMM模型的在线阿拉伯手写识别。该系统是基于隐马尔可夫模型（HMM）和多层感知器神经网络（MLPNNs）。通过检测曲线速度分布的极值点，基于Beta-Elliptical策略将输入信号分割成连续的笔划，称为段。一个神经网络训练段级上下文信息被用来提取类字符概率。该网络的输出由HALTH解码，以提供字符级识别。在对ADAB数据库的评估中，我们实现了96.4%的字符识别准确率，与最先进的在线阿拉伯语系统获得的字符识别准确率相比，这在统计学上非常重要。
2014-01-02 cs.CV
An Effective Unconstrained Correlation Filter and Its Kernelization for Face Recognition
Xiamen University（厦门大学）；Huaqiao University（华侨大学）
本文提出了一种有效的无约束相关滤波器--无约束最优原点折衷滤波器（UOOTF），并将其应用于鲁棒人脸识别。与传统的相关滤波器在类相关特征分析（CFA），UOOTF提高了整体性能的不可见的模式，通过删除硬约束的原始相关输出在滤波器的设计。为了处理不同类之间的非线性可分分布，我们进一步开发了基于核技术的UOOTF的非线性扩展。UOOTF的内核扩展允许更高的灵活性的决策边界，由于更广泛的非线性特性。实验结果表明，所提出的无约束相关滤波器及其核化算法在人脸识别中是有效的。
2016-03-25 cs.CV
FaceFilterSense: A Filter-Resistant Face Recognition and Facial Attribute Analysis Framework
Netaji Subhas University of Technology (NSUT)（纳塔吉·苏巴斯·技术大学（NSUT））
针对社交媒体滤镜干扰人脸识别的问题，提出FaceFilterSense框架，构建最新滤镜数据集，并引入FaceFilterNet模型，实现抗滤镜识别与属性分析，准确率达87.25%。
2024-04-18 cs.CV
Face Recognition using Principal Component Analysis and Log-Gabor Filters
在这篇文章中，我们提出了一种新的人脸识别方法的基础上，主成分分析（PCA）和Log-Gabor滤波器。所提出的方法的主要优点是其简单的实现，训练，和非常高的识别精度。在识别实验中，我们使用了来自不同的FERET和AR数据库的1311人的5151张人脸图像，这些数据库允许分析面部表情，照明和年龄变化如何影响识别精度。在FERET数据库（包含1196人的照片）上的识别实验表明，该方法可以达到97-98%的首识别率和0.3-0.4%的等出错率。实验还表明，与传统的基于主成分分析的识别方法相比，该方法受人眼定位误差和图像归一化方法的影响较小。
2006-05-07 cs.CV
Online Handwritten Devanagari Stroke Recognition Using Extended Directional Features
University of Calicut（卡利卡特大学）；Tata Consultancy Services Limited（塔塔咨询服务有限公司）
本文介绍了一种新的特征集，称为扩展方向特征（EDF）用于在线手写笔画识别。我们专门使用EDF来识别笔画，这些笔画构成了生成梵文脚本的基础，梵文脚本是使用最广泛的印度语言脚本。应当注意，手写体中的笔划识别相当于语音信号中的音素识别，并且通常非常差，对于歌唱声为20%的量级。实验进行了自动识别孤立的手写笔划。首先，我们描述了建议的功能集，即EDF，然后显示如何有效地利用这个功能，通过笔划识别作家独立的脚本识别。实验结果表明，扩展的方向特征集表现良好，约65+%的笔画水平识别准确率为作者无关的数据集。
2015-01-11 cs.CV
AuraMask: An Extensible Pipeline for Developing Aesthetic Anti-Facial Recognition Image Filters
Franklin and Marshall College（弗兰克林与马歇尔学院）；Carnegie Mellon University（卡内基梅隆大学）；Georgia Institute of Technology（佐治亚理工学院）
本文提出AuraMask，一种生成有效且美观的反面部识别图像滤镜的方法，通过40个仿Instagram滤镜的实例，验证其在对抗有效性与用户接受度上的优势。
2026-05-13 cs.AI cs.CV cs.HC
Towards Online Continuous Sign Language Recognition and Translation
The Hong Kong University of Science and Technology（香港科技大学）；Microsoft Research Asia（微软亚洲研究院）
本文针对离线连续手语识别存在的高延迟与高内存消耗问题，提出基于手语词典构建与滑动窗口的在线识别方法，并扩展至在线翻译，在三个基准测试上取得最先进性能。
2024-09-22 cs.CV
Spatiotemporal Gabor filters: a new method for dynamic texture recognition
Physics Institute of São Carlos (IFSC)（圣卡洛斯物理研究所（IFSC））；University of São Paulo (USP)（圣保罗大学（USP））
提出了一种基于时空Gabor滤波器的动态纹理识别新方法。动态纹理是将纹理图像的自相似性扩展到时空域的一个新的研究领域。为了对动态纹理进行建模，我们将图像序列卷积到一组时空Gabor滤波器。对于每个响应，通过计算能量统计来构建特征向量。据作者所知，本文是第一次报告一种有效的方法，动态纹理识别时空Gabor滤波器。在两个具有挑战性的数据库上对该方法进行了测试，实验结果表明，该方法是一种鲁棒的动态纹理识别方法。
2012-01-17 cs.CV
On the Effect of Selfie Beautification Filters on Face Detection and Recognition
Halmstad University（哈尔姆斯塔德大学）
美化和增强现实过滤器在使用智能手机或个人设备捕获的自拍图像的应用中非常流行。然而，它们会扭曲或修改生物特征，严重影响识别个人身份甚至检测面部的能力。因此，我们解决了这种过滤器的自动人脸检测和识别的准确性的影响。所研究的社交媒体图像过滤器要么修改图像对比度或照明，要么用例如人造眼镜或动物鼻子遮挡面部的部分。我们观察到，其中一些过滤器的效果对人脸检测和身份识别都是有害的，特别是如果它们混淆眼睛或（在较小程度上）鼻子的话。为了抵消这种影响，我们开发了一种方法来重建的U-NET分割网络的修改版本的应用操作。这被观察到有助于更好的面部检测和识别精度。从识别的角度来看，我们采用距离测量和经过训练的机器学习算法，这些算法应用于使用经过训练的ResNet-34网络识别人脸提取的特征。我们还评估了将过滤后的图像纳入机器学习方法的训练集是否有利于身份识别。我们的研究结果表明，当过滤器不遮挡重要标志时，特别是眼睛（识别准确率> 99%，EER<2%），识别效果良好。所提出的方法的组合效果还允许减轻由遮挡面部的部分的过滤器产生的效果，在评估大部分扰动的情况下实现>92%的识别准确度，并且EER <8%。虽然有改进的空间，但当既不应用U-NET重建也不应用滤波图像训练时，严重遮挡眼睛的滤波器的准确率<72%（识别）和>12%（EER）
2022-10-07 cs.CV
Global Context for improving recognition of Online Handwritten Mathematical Expressions
Tokyo University of Agriculture and Technology（东京农工大学）
针对在线手写数学表达式中的符号分割、符号识别和关系分类这三个子任务，提出了一种时态分类方法。分类模型由多个符号路径和来自HME的符号关系树（SRT）表示的空间关系来训练。该方法得益于一个深度双向长短期记忆网络的全局上下文，该网络通过连接主义时间分类损失直接从在线手写体中学习时间分类。为了识别一个在线HME，一个符号级的解析树与上下文无关文法的构建，其中的符号和空间关系，从时间分类的结果。我们在两个最新的CROHME数据集上证明了该方法的有效性。
2021-05-21 cs.CV
Multi-Fold Gabor, PCA and ICA Filter Convolution Descriptor for Face Recognition
本文设计了一种新的滤波器多样化方法，称为多重滤波器卷积（M-FFC），用于人脸识别。假设M-FFC接收不同方向的单尺度Gabor滤波器作为输入，这些滤波器通过M-折叠进行自交叉卷积以实例化滤波器后代集。M-FFC的灵活性还允许在Gabor滤波器和具有非常不同特性的其他滤波器组之间进行交叉卷积，例如，主成分分析（PCA）滤波器和独立成分分析（ICA）滤波器。因此，Gabor、PCA和ICA滤波器的2-FFC产生三个后代集合：（1）单独的Gabor滤波器，（2）Gabor-PCA滤波器，和（3）Gabor-ICA滤波器，以呈现无学习和基于学习的2-FFC描述符。为了便于M-FFC的合理的Gabor滤波器选择，40个多尺度、多方向的Gabor滤波器被压缩成8个基本滤波器。除此之外，在最终白化PCA压缩之前，采用平均直方图池化算子来利用2-FFC直方图特征。实证结果证实，2-FFC描述符优于，或等同于，其他人脸描述符的识别和验证任务。
2017-10-19 cs.CV
Multi-Subregion Based Correlation Filter Bank for Robust Face Recognition
Xiamen University（厦门大学）；The University of Adelaide（阿德莱德大学）
在本文中，我们提出了一种有效的特征提取算法，称为基于多子区域的相关滤波器组（MS-CFB），用于鲁棒的人脸识别。MS-CFB结合了基于全局和基于局部的特征提取算法的优点，其中对应于不同面部子区域的多个相关滤波器被联合设计以优化总体相关输出。此外，通过在空域设计相关滤波器组，降低了MS-CFB的计算复杂度，并在滤波器组设计过程中利用无约束形式，提高了其泛化能力。MS-CFB算法不仅考虑了人脸子区域间的差异性，而且有效地利用了人脸子区域的判别信息。在多个公开人脸数据库上的实验结果表明，该算法具有更好的分类特征表示能力，与现有算法相比，识别率更高。
2016-03-24 cs.CV
On the use of first and second derivative approximations for biometric online signature recognition
Tecnocampus, Universitat Pompeu Fabra（庞培法布拉大学 Tecnocampus 校区）；Universidad de Las Palmas de Gran Canaria（大加那利岛拉斯帕尔马斯大学）
本文研究不同近似方法对模式识别特征提取的影响，使用MCYT330数据库验证，发现11点近似在识别率和降低伪造错误率上均优于1点近似。
2024-06-01 cs.CV
CRAFT: Contextual Re-Activation of Filters for face recognition Training
University of Notre Dame（圣母大学）；Pontificia Universidad Católica de Chile（智利天主教大学）
针对人脸识别 CNN 第一层大量滤波器失活的问题，提出 CRAFT，依据训练阶段强滤波器上下文重新初始化失活滤波器，降低失活率并提升多个基准准确率。
2023-12-05 cs.CV
Learning symbol relation tree for online mathematical expression recognition
Tokyo University of Agriculture and Technology（东京农工大学）
提出了一种直接从笔画序列建立符号关系树的联机手写数学表达式识别方法。双向递归神经网络从SRT的多个导出路径学习，以使用全局上下文来预测符号和符号之间的空间关系。识别系统由两部分组成：时间分类器和树连接器。时间分类器通过识别OnHME模式来产生SRT。采油树连接器将SRT分成几个子SRT。通过查找这些子SRT中的最佳组合来形成最终SRT。此外，我们还采用了一种树排序方法来处理各种笔顺。识别实验表明，所提出的OnHME识别系统是具有竞争力的其他方法。该识别系统在2014年和2016年在线手写数学表达式识别竞赛（CROHME）测试集上分别取得了44.12%和41.76%的表情识别率。
2021-05-13 cs.CV cs.LG
Meta-SurDiff: Classification Diffusion Model Optimized by Meta Learning is Reliable for Online Surgical Phase Recognition
针对手术视频中帧歧义与阶段分布不均两类不确定性问题，提出经元学习优化的分类扩散模型Meta-SurDiff，通过细粒度置信度评估与鲁棒分类边界提升在线手术阶段识别的可靠性，在五个多类型数据集上验证了有效性。
2025-06-17 cs.CV
The Instantaneous Accuracy: a Novel Metric for the Problem of Online Human Behaviour Recognition in Untrimmed Videos
University of Alcalá（阿尔卡拉大学）；Adobe Research（Adobe研究院）；Delft University of Technology（代尔夫特理工大学）
未修剪视频中的在线人类行为识别问题，即在线动作检测（OAD），需要重新考虑。与传统的离线动作检测方法不同，在OAD设置中，我们发现很少有作品，并且没有对要使用的评估协议达成共识。在本文中，我们介绍了一种新的在线度量，瞬时精度（$IA$），表现出\emph{online}性质，解决了以前的（离线）指标的限制。我们对TVSeries数据集进行了全面的实验评估，将各种基线方法的性能与最先进的方法进行了比较。我们的结果证实了以前的评估协议存在的问题，并建议基于IA的协议更适合于在线场景的人类行为理解。度量标准代码可从https://github.com/gramuah/ia获得
2020-03-25 cs.CV
Stroke extraction for offline handwritten mathematical expression recognition
School of Mathematics, Sun Yat-Sen University（中山大学数学学院）
由于缺乏时间信息，离线手写数学表达式识别通常被认为比在线识别困难得多。为了充分利用目前比较成熟的在线识别方法并节省资源，提出了一种基于过分割的文本位图笔划自动恢复方法。该算法首先将二值化图像的骨架分解为结点和线段，然后将线段合并形成笔画，最后利用递归投影和拓扑排序对笔画顺序进行规范化。与普通的在线识别器相结合，获得了良好的离线准确率，这不是专门为提取的笔画而设计的。给定一个现成的最先进的在线手写数学表达式识别器，所提出的过程分别正确识别了2014年，2016年和2019年在线手写数学表达式识别竞赛（CROHME）数据集的58.22%，65.65%和65.22%的离线公式。此外，给定一个可训练的在线识别系统，用提取的笔画对其进行再训练，可以得到具有相同准确度的离线识别器。另一方面，整个流水线的速度足够快，可以在资源有限的手机上进行设备识别。综上所述，笔划提取为构建光学字符识别软件提供了一种有吸引力的方法。
2020-01-16 cs.CV
Optimizing Filter Size in Convolutional Neural Networks for Facial Action Unit Recognition
University of South Carolina（南卡罗来纳大学）
在自发的面部表情中识别面部动作单元是一个具有挑战性的问题。最近，卷积神经网络（CNN）已经显示出用于面部AU识别的前景，其中采用预定义的和固定的卷积滤波器大小。为了实现最佳性能，通常通过进行广泛的实验验证来凭经验找到最佳滤波器尺寸。这样的训练过程遭受昂贵的训练成本，特别是当网络变得更深时。本文提出了一种新的优化滤波器大小的CNN（OFS-CNN），其中所有卷积层的滤波器大小和权重同时从训练数据以及学习卷积滤波器中学习。具体来说，滤波器大小被定义为一个连续变量，通过最小化训练损失来优化。在两个AU编码的自发数据库上的实验结果表明，所提出的OFS-CNN能够估计不同图像分辨率的最佳滤波器大小，并且优于传统的CNN，其最佳滤波器大小是通过穷举搜索获得的。OFS-CNN还使用多个滤波器大小击败了CNN，更重要的是，在使用所提出的前向-后向传播算法进行测试期间效率更高。
2017-11-22 cs.CV
Online Filter Clustering and Pruning for Efficient Convnets
University of Science and Technology of China（中国科学技术大学）；HeFei University of Technology（合肥工业大学）
修剪过滤器是加速深度神经网络（DNN）的一种有效方法，但大多数现有方法直接在预训练的网络上修剪过滤器，这限制了加速。虽然每个过滤器在DNN中都有自己的效果，但如果两个过滤器彼此相同，我们可以安全地修剪一个。本文在损失函数中增加了一个额外的聚类损失项，使得每个聚类中的滤波器在线相似。训练后，我们在每个集群中保留一个过滤器，并修剪其他过滤器，并微调修剪后的网络以补偿损失。特别地，可以首先定义每层中的簇，这对于修剪残差块内的DNN是有效的。在CIFAR10和CIFAR100基准上的大量实验证明了我们提出的过滤器剪枝方法的竞争性能。
2019-05-28 cs.CV
Learning a Discriminative Filter Bank within a CNN for Fine-grained Recognition
University of Maryland, College Park（马里兰大学帕克分校）；Adobe Research（奥多比研究院）
与使用CNN特征的早期多级框架相比，最近用于细粒度识别的端到端深度方法从根本上增强了CNN的中级学习能力。以前的方法通过引入辅助网络来将本地化信息注入主分类网络，或者引入复杂的特征编码方法来捕获高阶特征统计来实现这一点。我们表明，中级表示学习可以在CNN框架内得到增强，通过学习一组卷积滤波器来捕获类特定的判别补丁，而无需额外的部分或限界框注释。这样的滤波器组结构良好，适当地初始化，并通过具有卷积滤波器监督和非随机层初始化的新颖的非对称多流架构有区别地学习。实验结果表明，我们的方法在三个公开的细粒度识别数据集（CUB-200 - 2011，Stanford Cars和FGVC-Aircraft）上达到了最先进的水平。消融研究和可视化提供了解我们的方法。
2018-06-12 cs.CV
A GRU-based Encoder-Decoder Approach with Attention for Online Handwritten Mathematical Expression Recognition
University of Science and Technology of China（中国科学技术大学）
在这项研究中，我们提出了一种新的端到端的方法的基础上的编码器-解码器框架与注意力机制的在线手写数学表达式识别（OHMER）。首先，输入的手写表情的二维墨水轨迹信息通过基于门控递归单元的递归神经网络（GRU-RNN）进行编码。然后，解码器也实现了GRU-RNN与基于覆盖的注意力模型。该方法可以同时完成符号识别和结构分析，输出LaTeX格式的字符序列。在CROHME 2014竞赛任务上进行了验证，我们的方法仅使用官方训练数据集，表情识别准确率为52.43%，明显优于最先进的方法。此外，通过注意力机制对手写表情的输入轨迹和输出LaTeX序列的对齐进行了可视化，验证了该方法的有效性.
2017-12-04 cs.CV
Representing Online Handwriting for Recognition in Large Vision-Language Models
Google Research（谷歌研究院）
本文提出一种同时包含时序笔画文本和图像的数字墨水标记化表示，使现成视觉-语言模型无需改架构即可在在线手写识别上达到或超越最先进水平。
2024-02-23 cs.AI cs.CV cs.LG
An Online Character Recognition System to Convert Grantha Script to Malayalam
Cochin University of Science and Technology（科钦科技大学）
本文提出了一种新的方法来识别Grantha，在印度南部的一个古老的脚本，并将其转换为马拉雅拉姆语，在印度南部使用在线字符识别机制的流行语言。这项工作背后的动机归功于（i）开发一种在现代世界中识别Grantha脚本的机制，以及（ii）肯定Grantha和马拉雅拉姆语之间的紧密联系。设计并实现了一个基于联机字符识别的格兰塔文字识别框架。从Grantha脚本提取的特征主要包括基于书写方向和曲率的时域特征。识别的字符被映射到相应的马拉雅拉姆语字符。该框架在一个中等长度的手稿床上进行了测试，其中包含9-12个样本行和Sri Adi Shankara在Grantha写的名为Soundarya Lahari的书的印刷页，以识别单词和句子。该系统的手稿识别率为92.11%的Grantha，旧马拉雅拉姆语90.82%，新马拉雅拉姆语89.56%。对印本的识别率为：Grantha为96.16%，旧马拉雅拉姆文为95.22%，新马拉雅拉姆文为92.32%。这些结果表明了所开发的系统的效率。
2012-08-21 cs.CV
Learning Versatile Convolution Filters for Efficient Visual Recognition
Institute of Software, Chinese Academy of Sciences（中国科学院软件研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Noah’s Ark Lab, Huawei Technologies（华为技术有限公司诺亚方舟实验室）；FST, University of Macau（澳门大学科技学院）；The University of Sydney（悉尼大学）
本文介绍了多功能滤波器来构建高效的卷积神经网络，广泛用于各种视觉识别任务。考虑到高效深度学习技术在成本效益硬件上运行的需求，已经开发了许多方法来学习紧凑的神经网络。大多数这些作品旨在以不同的方式，\eg，调查小，稀疏或量化的滤波器瘦身。相反，我们从添加剂的角度来处理过滤器。在二进制掩码的帮助下，可以从初级过滤器中派生出一系列次级过滤器。这些次级滤波器都继承在初级滤波器中，不占用更多的存储空间，但一旦在计算中展开，它们可以通过整合从不同感受野提取的信息来显着增强滤波器的能力。除了空间多功能滤波器，我们还从信道的角度研究了多功能滤波器。二进制掩码可以在正交约束下针对不同的主滤波器进一步定制。我们对网络复杂性进行了理论分析，并介绍了一种有效的卷积方案。在基准数据集和神经网络上的实验结果表明，我们的通用滤波器能够达到与原始滤波器相当的精度，但需要更少的内存和计算成本。
2021-09-20 cs.CV
Neural Computing for Online Arabic Handwriting Character Recognition using Hard Stroke Features Mining
Prince Sultan University（苏丹亲王大学）；Universiti Teknologi Malaysia（马来西亚理工大学）
由于阿拉伯草书的书写风格、书写速度、书写者心情等因素的影响，在线阿拉伯草书字符识别仍然是一个很大的挑战。由于这些不可避免的限制，在线阿拉伯字符识别的准确率仍然很低，还有改进的空间。本研究提出一种从手写笔长特征的纵横方向上提取在线阿拉伯文字识别中所需关键点的改进方法。每个提取的笔画特征将每个孤立的字符划分为一些有意义的模式，称为标记。从这些标记中提取最小特征集，使用多层感知器与反向传播学习算法和修改的基于S形函数的激活函数进行字符分类。在这项工作中，实现了两个里程碑;首先，获得固定数量的令牌，其次，最小化最重复的令牌的数量。实验中，手写体阿拉伯字符从OHASD基准数据集选择测试和评估所提出的方法。所提出的方法达到了98.6%的平均准确率在最先进的字符识别技术。
2021-01-15 cs.CL cs.CV
AltecOnDB: A Large-Vocabulary Arabic Online Handwriting Recognition Database
Faculty of Computers & Information（计算机与信息学院）
阿拉伯语是一种闪米特语，其特点是形态复杂而丰富。书写系统的特殊程度的歧义，丰富的形态，以及根和模式的高度复杂的构词过程，都有助于使阿拉伯语的计算方法非常具有挑战性。因此，一个实用的手写识别系统应该支持大词汇量，以提供高覆盖率，并使用上下文信息进行消歧。一些研究工作已经致力于建立在线阿拉伯手写识别系统。这些方法中的大多数要么使用它们的小的私有测试数据集，要么使用具有有限词汇和覆盖范围的标准数据库。大规模的手写体数据库是促进在线手写体识别研究的重要资源。目前，还没有一个词汇量大、覆盖面广、有大量书写者和培训/测试数据的在线阿拉伯文笔迹数据库。本文介绍了一个大型在线阿拉伯笔迹数据库AltecOnDB。AltecOnDB覆盖了阿拉伯语所有可能的PAWS的98%。所收集的样本是包括数字和标点符号的完整句子。收集的数据在句子、单词和字符级别上可用，因此，高级语言模型可以用于性能改进。数据来自1000多名不同背景、性别和年龄的作家。注释和验证工具的开发，以促进注释和验证阶段。我们建立了一个基本的识别系统来测试我们的数据库，并显示在处理大量的词汇和处理大量的风格变化收集的数据时存在的困难。
2014-12-24 cs.CV
Online Learnable Keyframe Extraction in Videos and its Application with Semantic Word Vector in Action Recognition
University of Alberta（阿尔伯塔大学）
视频处理由于其在视频摘要、动作识别等方面的各种应用，已经成为计算机视觉中的热门研究方向。最近，基于深度学习的方法在动作识别方面取得了令人瞩目的成果。然而，这些方法需要处理完整的视频序列来识别动作，即使这些帧中的大多数是相似的并且对于识别特定动作是不必要的。此外，这些不必要的帧增加了计算成本，并可能混淆动作识别中的方法。相反，被称为关键帧的重要帧不仅有助于动作的识别，而且还可以减少用于分类或其他应用（例如摘要）的每个视频序列的处理时间。同样，视频处理中的当前方法尚未以在线方式展示。基于上述原因，我们提出了一个在线学习的关键帧提取模块。该模块可用于选择视频中的关键镜头，从而可应用于视频摘要。提取的关键帧可用作任何基于深度学习的分类模型的输入以识别动作。我们还提出了一个插件模块，使用语义词向量作为输入，以及关键帧和一种新的训练/测试策略的分类模型。据我们所知，这是第一次提出这样的在线模块和训练/测试策略。在视频摘要和动作识别中的许多常用数据集上的实验结果表明，使用所提出的模块取得了令人印象深刻的结果。
2020-09-25 cs.CV
Structural analysis of Hindi online handwritten characters for character recognition
MIET（密鲁特工程技术学院）；Indian Institute of Science（印度科学学院）
本文通过分析在线笔画方向属性提取子单元，用于印地语手写字符识别，基于子单元和全局特征训练分类器，在测试集上达到93.5%的最高准确率。
2023-10-12 cs.CV
Offline and Online Deep Learning for Image Recognition
CISUC（科英布拉大学信息与系统中心）；University of Coimbra（科英布拉大学）
使用深度学习的图像识别已经发展了几十年，尽管通过不同环境在该领域取得进展仍然是一个挑战。在本文中，我们提出了我们的研究结果，在离线和在线环境中寻找更好的图像分类器。我们求助于卷积神经网络及其变体的全连接多层感知器。虽然仍然是初步的，这些结果是令人鼓舞的，并可能提供一个更好的了解该领域和未来的工作方向。
2019-03-18 cs.CV cs.LG stat.ML
A compact sequence encoding scheme for online human activity recognition in HRI applications
National Technical University of Athens（雅典国立技术大学）；University of Lincoln（林肯大学）
人类活动识别和分析一直是模式识别和机器智能最活跃的领域之一，在各个领域都有应用，包括但不限于运动游戏、监控、运动分析和医疗保健。特别是在人机交互中，人类活动理解起着至关重要的作用，因为家庭机器人助手是不久的将来的趋势。然而，能够支持复杂机器智能任务的最先进的基础设施并不总是可用的，并且可能不适合普通消费者，因为机器人硬件昂贵。在本文中，我们提出了一种新的动作序列编码方案，有效地将时空动作序列到紧凑的表示，使用Mahalanobis距离为基础的形状特征和Radon变换。该表示可以用作轻量级卷积神经网络的输入。实验表明，所提出的管道，当基于最先进的人体姿态估计技术，可以提供一个强大的端到端的在线动作识别方案，部署在缺乏极端的计算能力的硬件。
2020-12-01 cs.CV
Design of a Very Compact CNN Classifier for Online Handwritten Chinese Character Recognition Using DropWeight and Global Pooling
South China University of Technology（华南理工大学）
目前，由于移动设备的普及，在线手写汉字识别（HCCR）已成为向手机和平板设备提供输入的合适选择之一。在过去的几年中，更大更深的卷积神经网络（CNN）已经被广泛地用于提高字符识别性能。然而，其大量的存储需求是将这样的网络部署到便携式电子设备中的重大障碍。为了解决这个问题，我们提出了一种新的技术称为DropWeight修剪冗余连接的CNN架构。实验结果表明，该方法不仅能很好地处理AlexNet和VGGNet等精简结构，而且对深度残差网络和初始网络也表现出了显著的性能。我们还证明，全球池是一个更好的选择，建立非常紧凑的在线HCCR系统。使用我们提出的网络在ICDAR-2013在线HCCR竞赛数据集上进行了实验，发现所提出的方法仅需要0.57 MB的存储空间，而最先进的基于CNN的方法需要高达135 MB的存储空间;同时性能仅下降了0.91%。
2017-05-15 cs.CV
Preliminary experiments on automatic gender recognition based on online capital letters
Escola Universitària Politècnica de Mataró - Tecnocampus（马塔罗理工大学学院 - Tecnocampus）
在本文中，我们提出了一些实验，自动分类在线手写文本的基础上，大写字母。虽然手写文本不像人脸或声音那样具有区分性，但我们仍然发现了一些基于手写文本的性别分类的机会。即使在最具挑战性的大写字母情况下，准确率也高达74%。
2022-03-11 cs.CV cs.LG
Robust Palm-Vein Recognition Using the MMD Filter: Improving SIFT-Based Feature Matching
University of Northumbria at Newcastle（诺森比亚大学）
本文提出MMD滤波器改进SIFT特征匹配，有效提升掌纹识别的鲁棒性和准确性，降低等错误率。
2025-03-03 cs.CV
InfoGCN++: Learning Representation by Predicting the Future for Online Human Skeleton-based Action Recognition
University of Texas Austin（德克萨斯大学奥斯汀分校）；Purdue University（普渡大学）
针对骨架动作识别需观察完整动作、难以实时分类的问题，本文提出InfoGCN++，结合Neural Ordinary Differential Equations预测未来运动并建模隐状态连续演化，在三个基准上达到或超过现有方法。
2023-10-16 cs.CV
Robust Online Multi-target Visual Tracking using a HISP Filter with Discriminative Deep Appearance Learning
Lancaster University（兰卡斯特大学）；University of Lincoln（林肯大学）
我们提出了一种新的在线多目标视觉跟踪器的基础上最近开发的假设和独立的随机人口（HISP）过滤器。HISP滤波器结合了MHT等传统跟踪方法和PHD滤波器等基于点过程的跟踪方法的优点，在保持跟踪身份的同时具有线性复杂度。我们应用此过滤器跟踪多个目标在不同的环境条件下获得的视频序列和目标密度使用跟踪检测方法。我们还通过在大规模人员重新识别数据集上训练验证识别网络（VerIdNet）来采用深度CNN外观表示。我们使用这种深度CNN外观特征和时空信息以原则性的方式构建增强的可能性。此外，我们解决了两个或多个目标具有相同的标签的问题，考虑每个已确认的假设传播的权重。在MOT16和MOT17基准数据集上进行的大量实验表明，我们的跟踪器在跟踪精度方面明显优于几种最先进的跟踪器。
2020-10-11 cs.CV
Stroke Constrained Attention Network for Online Handwritten Mathematical Expression Recognition
University of Science and Technology of China（中国科学技术大学）；National Engineering Laboratory for Speech and Language Information Processing（国家语音与语言信息处理工程实验室）
本文提出了一种新的笔画约束注意力网络（SCAN），它将笔画作为基于编码器-解码器的在线手写数学表达式识别（HMER）的基本单元。与以往的方法，使用跟踪点或图像像素作为基本单位，扫描充分利用笔划级的信息，更好地对齐和表示。所提出的SCAN可以在单模态（在线或离线）和多模态HMER中采用。对于单模态HMER，SCAN首先采用CNN-GRU编码器在在线模式下从输入轨迹中提取点级特征，并采用CNN编码器在离线模式下从输入图像中提取像素级特征，然后使用笔划约束信息将它们转换为在线和离线笔划级特征。使用笔划级特征可以显式地将属于同一笔划的点或像素分组，从而降低了通过具有注意力机制的解码器进行符号分割和识别的难度。对于多模态HMER，除了在解码器中融合多模态信息之外，SCAN还可以通过利用在线和离线模态之间的基于笔划的对齐来在编码器中融合多模态信息。编码器融合是用于组合多模态信息的更好方式，因为它在解码器融合之前一步实现信息交互，使得在训练编码器-解码器模型时可以更早且更充分地利用多模态的优点。通过CROHME竞赛发布的基准评估，建议的SCAN达到了最先进的性能。
2020-02-20 cs.CV
Motion Feature Network: Fixed Motion Filter for Action Recognition
Seoul National University（首尔大学）；V.DO Inc.（V.DO公司）
帧序列的时空表示在动作识别中起着重要的作用。以前，使用光流作为时间信息结合一组包含空间信息的RGB图像的方法在动作识别任务中表现出很大的性能增强。然而，它具有昂贵的计算成本，并且需要双流（RGB和光流）框架。在本文中，我们提出了MFNet（运动特征网络）包含运动块，这使得它可以在一个统一的网络，可以训练端到端的相邻帧之间的时空信息编码。运动块可以附加到任何现有的基于CNN的动作识别框架，只需少量的额外成本。我们在两个动作识别数据集（Jester和Something-Something）上评估了我们的网络，并通过从头开始训练网络，在两个数据集上都取得了有竞争力的性能。
2018-08-01 cs.CV
Large Vocabulary Arabic Online Handwriting Recognition System
Cairo University（开罗大学）；King Abdulaziz University（阿卜杜勒阿齐兹国王大学）
阿拉伯语书写是一种辅音和草书书写。阿拉伯文字的分析更加复杂，因为大多数字母的上方或下方都有强制性的点/笔画，而且通常会按顺序延迟书写。由于书写风格的模糊性和多样性，识别系统通常基于一组可能的单词，称为词典。当词汇量较小时，识别精度更重要，因为识别时间最短。另一方面，在处理大词典时，识别速度以及准确性都是至关重要的。阿拉伯语有丰富的词法和句法，这使得它的词汇量很大。因此，一个实用的在线手写识别系统应该能够处理一个大的词典与合理的性能方面的准确性和时间。在本文中，我们介绍了一个完全成熟的隐马尔可夫模型（HMM）为基础的阿拉伯语在线手写识别系统，提供了解决方案，在认识阿拉伯语脚本固有的困难。介绍了一种新的处理延迟笔划的预处理技术。我们使用先进的建模技术，从训练数据建立我们的识别系统，以提供更详细的表示为写作单位之间的差异，最大限度地减少作家之间的差异，在训练数据，并有一个更好的代表性的特征空间。系统结果使用具有高阶语言模型和跨词HMM模型的附加后处理步骤来增强。使用两个不同的数据库，涵盖小型和大型词典的系统性能进行评估。我们的系统优于国家的最先进的系统的小型词典数据库。此外，它在支持大型词典时显示出有希望的结果（准确性和时间），并有可能针对特定作者调整模型以获得更好的结果。
2015-10-17 cs.CV
Online recognition of unsegmented actions with hierarchical SOM architecture
University of Lund（隆德大学）；University of Linköping（林雪平大学）
自动识别在线的一系列未分割的动作需要一种分割方法，该方法确定动作何时开始以及何时结束。本文提出了一种在线测试实验中识别未分割动作的新方法。该方法使用自组织神经网络来构建一个三层认知架构。第一层自组织映射将动作序列的独特特征表示为一系列引发的关键激活。针对训练集中的所有动作序列计算关键激活向量的平均长度，并在学习试验中进行调整，以生成第二层自组织映射的输入模式。在第二层中对模式向量进行聚类，然后在第三层神经网络中用动作标识对聚类进行标记。实验结果表明，虽然性能略有下降，在在线实验相比，离线测试，所提出的架构，以处理未分割的动作序列以及在线性能的能力，使系统更合理和实用的真实情况下的场景。
2021-04-23 cs.AI cs.CV cs.HC
Online Human Activity Recognition using Low-Power Wearable Devices
Arizona State University（亚利桑那州立大学）；Lonnie and Muhammad Ali Movement Disorder Center（朗尼与穆罕默德·阿里运动障碍中心）
人体活动识别在健康监测和康复治疗中的应用引起了人们的广泛关注。最近对HAR的研究集中在使用智能手机上，因为它们的广泛使用。然而，由于智能手机不是为HAR设计的，这导致使用不便、传感器的选择有限以及资源的低效使用。本文提出了第一个HAR框架，可以执行在线训练和推理。所提出的框架开始与一种新的技术，使用快速傅立叶和离散小波变换的基于纺织品的拉伸传感器和加速度计的功能。利用这些特点，我们设计了一个人工神经网络分类器，它是使用策略梯度算法在线训练。在低功耗物联网设备（TI-CC 2650 MCU）上进行的实验显示，在识别六个活动及其转换时，准确率为97.7%，功耗低于12.5 mW。
2019-02-04 cs.CV
A Transformer Architecture for Online Gesture Recognition of Mathematical Expressions
University of Pisa（比萨大学）；University College Dublin（都柏林大学学院）
Transformer架构提供了一个强大的框架，作为一个端到端的模型，用于从对应于手写笔画的在线手写手势中构建表达式树。特别地，注意力机制被成功地用于编码、学习和执行表达式的底层语法，从而创建被正确解码为精确的数学表达式树的潜在表示，从而为消融的输入和看不见的字形提供鲁棒性。第一次，编码器被馈送有可能形成无限大的词汇表的时空数据令牌，其发现在线手势识别之外的应用。一个新的监督数据集的在线手写手势的训练模型提供了通用的手写识别任务，并提出了一个新的度量的输出表达式树的语法正确性的评估。一个适合于边缘推断的小型Transformer模型被成功训练到94%的平均归一化Levenshtein准确度，从而导致94%的预测的有效后缀RPN树表示。
2022-11-04 cs.CL cs.CV
Orientation Convolutional Networks for Image Recognition
Shanghai University（上海大学）
深度卷积神经网络（DCNN）能够获得强大的图像表示能力，在图像识别领域引起了广泛的关注。然而，它们在建模方向转换方面受到内部机制的限制。在本文中，我们开发了方向卷积网络（OCN）的图像识别的基础上提出的地标Gabor滤波器（LGF）的学习表示的鲁棒性对方向的变化可以增强。通过用LGF调制卷积滤波器，OCN可以与任何现有的深度学习网络兼容。LGF充当通过选择$ p $ $ \left( \ll n\right) $代表性的Gabor滤波器作为andmark实现的Gabor滤波器组，并且将原始的Gabor滤波器表示为这些界标的稀疏线性组合。具体地说，基于矩阵分解框架，利用稀疏性和低秩约束的原始Gabor滤波器的局部和全局结构的灵活集成。通过低秩结构的传播，可以显著提高原Gabor滤波器组表示的稀疏性。多个基准测试的实验结果表明，与现有的最先进的方法相比，我们的方法对方向不太敏感，并且在精度和成本方面都具有更高的性能。此外，我们的OCN有很少的参数学习，可以显着降低训练网络的复杂性。
2021-02-02 cs.CV
Stroke Sequence-Dependent Deep Convolutional Neural Network for Online Handwritten Chinese Character Recognition
Harbin Institute of Technology Shenzhen Graduate School（哈尔滨工业大学深圳研究生院）
本文提出了一种新的模型，命名为笔划序列相关的深度卷积神经网络（SSDCNN），利用笔划序列信息和八个方向的特征进行联机手写汉字识别（OLHCCR）。一方面，SSDCNN可以学习在线手写汉字（OLHCC）的表示，通过纳入自然的笔画序列信息。另一方面，SSDCNN可以以自然的方式合并八个方向的特征。为了训练SSDCNN，我们将训练过程分为两个阶段：1）使用训练数据对整个体系结构进行预训练，直到性能趋于收敛。2)进一步训练了用于将基于笔划序列的八向特征表示与softmax层相结合的全连接神经网络。实验是在ICDAR 2013的OLHCCR竞赛任务上进行的。实验结果表明，与只使用8个方向特征的模型相比，SSDCNN可以将识别错误率降低50%（5.13vs2.56）。与ICDAR 2013竞赛上提交的最佳系统相比，所提出的SSDCNN实现了97.44%的准确率，将识别错误降低了约1.9%。这些结果表明，SSDCNN可以利用笔划序列信息来学习OLHCC的高质量表示。它还表明，学习的表示和经典的八方向特征在SSDCNN架构中相互补充。
2016-10-13 cs.CV
A New Hybrid-parameter Recurrent Neural Networks for Online Handwritten Chinese Character Recognition
University of Chinese Academy of Sciences, CAS（中国科学院大学（中国科学院））
递归神经网络（RNN）适合于处理时间序列。在本文中，我们提出了一种具有新特征的深度RNN，并将其应用于在线手写汉字识别。与现有的RNN模型相比，该系统有三个创新之处。首先，提出了一种新的RNN隐层函数，以更好地学习时间信息。我们称之为内存池单元（MPU）。拟议的MPU具有简单的架构。其次，为了提高RNN的表达能力，提出了一种新的混合参数RNN结构。所提出的混合参数RNN在计算时间维度的迭代时具有参数变化。第三，我们做了一个调整，每一层的所有输出堆叠作为网络的输出。堆叠隐藏层状态组合所有隐藏层状态以增加表达容量。在IAHCC-UCAS 2016数据集和CASIA-OLHWDB 1.1数据集上进行了实验。实验结果表明，混合参数RNN具有更高的识别效率（参数少，速度快），获得了更好的识别性能。并证明了所提出的记忆池单元是一个简单的隐层函数，取得了较好的识别效果。
2018-07-30 cs.CV
Real-Time Online Skeleton Extraction and Gesture Recognition on Pepper
Softbank Robotics Europe（软银机器人欧洲公司）；INSA, University of Lyon（里昂大学国立应用科学学院）
我们提出了一个简单的手势识别的多级流水线。我们方法的新颖之处在于不同技术的结合，从而产生了迄今为止第一个实时的【形】系统，可以在Pepper机器人上联合提取骨架并识别手势。为了完成这项任务，Pepper增加了一个嵌入式GPU，用于运行深度CNN和一个鱼眼摄像头来捕捉整个场景的交互。我们在这篇文章中表明，真实情况下的场景是具有挑战性的，最先进的方法很难处理未知的人类手势。我们在这里提出了一种处理这种情况的方法。
2022-06-22 cs.CV cs.RO
Deep convolutional filter banks for texture recognition and segmentation
University of Oxford（牛津大学）；University of Massachusetts, Amherst（马萨诸塞大学阿默斯特分校）
纹理识别的研究往往集中在整齐的条件下的材料识别的问题，一个假设很少满足的应用。在这项工作中，我们进行了第一次研究的材料和可描述的纹理at-tributes识别混乱，使用一个新的数据集来自OpenSurface纹理库。出于这个问题所带来的挑战，我们提出了一个新的纹理描述符，D-CNN，通过卷积神经网络（CNN）滤波器组的Fisher向量池。D-CNN大大提高了纹理，材料和场景识别的最新技术水平。我们的方法在Flickr材料数据集上实现了82.3%的准确率，在MIT室内场景上实现了81.1%的准确率，比现有方法的绝对增益超过10%。D-CNN很容易跨域传输，而不需要像构建在CNN的全连接层上的方法那样进行特征适配。此外，D-CNN可以无缝地结合多尺度信息，并描述任意形状和大小的区域。我们的方法特别适合于局部化材料类别，并在MSRC分割数据集上获得了最先进的结果，以及在OpenSurfaces数据集上识别杂乱材料和表面属性的有希望的结果。
2015-07-09 cs.CV
