Non-Linear Temporal Subspace Representations for Activity Recognition
MERL（三菱电机研究实验室）；ACRV, ANU（澳大利亚国立大学澳大利亚机器人视觉中心）；MIT（麻省理工学院）
能够压缩和有效捕获语义内容的时间演化的表示对于在多变量时间序列数据上操作的计算机视觉和机器学习算法是重要的。我们调查这样的表示动机的人类行动识别的任务。这里，每个数据实例由多变量特征编码（例如通过深度CNN），其中动作动态由它们在时间上的变化来表征。由于这些功能往往是非线性的，我们提出了一种新的池化方法，核秩池，表示一个给定的序列companies作为一个再生核希尔伯特空间中的超平面的参数的前像，数据的投影到捕捉他们的时间顺序。我们进一步发展这个想法，并表明，这样的池计划可以作为一个顺序约束的核PCA目标。然后，我们建议使用核化的低秩特征子空间的参数作为序列的表示。我们把我们的配方作为一个优化问题的广义格拉斯曼流形，然后有效地解决它使用黎曼优化技术。我们提出了几个动作识别数据集上使用不同的特征模态的实验，并展示了最先进的结果。
2018-03-27 cs.CV
Prototype Instance-semantic Disentanglement with Low-rank Regularized Subspace Clustering for WSIs Explainable Recognition
Columbia University（哥伦比亚大学）；Hong Kong Polytechnic University（香港理工大学）
本文提出PID-LRSC框架，通过低秩正则化子空间聚类和增强对比学习解决WSI中实例与语义耦合问题，提升模型可解释性和诊断可靠性。
2026-02-16 cs.CV
Subspace Clustering for Action Recognition with Covariance Representations and Temporal Pruning
Istituto Italiano di Tecnologia（意大利技术研究院）
本文处理的问题，人类的行动识别，定义为分类的行动是显示在一个修剪序列，从骨架数据。尽管为该应用设计的最先进的方法都是有监督的，但在本文中，我们追求一个更具挑战性的方向：用无监督学习解决问题。为此，我们提出了一种新的子空间聚类方法，它利用协方差矩阵，以提高行动的可辨别性和时间戳修剪方法，使我们能够更好地处理时间维度的数据。通过广泛的实验验证，我们表明，我们的计算管道超过现有的无监督方法，但也可以产生良好的性能相比，监督方法。
2020-06-21 cs.CV cs.LG
Perturbation Inactivation Based Adversarial Defense for Face Recognition
University of Chinese Academy of Sciences（中国科学院大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；China Academy of Railway Sciences（中国铁道科学研究院）；CAS Center for Excellence in Brain Science and Intelligence Technology（中国科学院脑科学与智能技术卓越创新中心）
基于深度学习的人脸识别模型容易受到对抗攻击。为了遏制这些攻击，大多数防御方法旨在提高识别模型对对抗性扰动的鲁棒性。然而，这些方法的推广能力是相当有限的。在实践中，它们仍然容易受到看不见的对抗攻击。深度学习模型对一般扰动（如高斯噪声）具有相当强的鲁棒性。一个直接的方法是将对抗扰动进行分类，以便它们可以很容易地作为一般扰动处理。本文提出了一种即插即用的对抗防御方法--扰动失活（PIN），用于消除对抗性扰动，实现对抗性防御。我们发现不同子空间的扰动对识别模型有不同的影响。应该有一个子空间，称为免疫空间，其中的扰动对识别模型的不利影响比在其他子空间。因此，我们的方法估计免疫空间，并通过将它们限制在这个子空间来灭活对抗性扰动。由于该方法不依赖于特定的对抗攻击方法，因此可以推广到不可见的对抗扰动。这种方法不仅优于几种最先进的对抗性防御方法，而且通过详尽的实验证明了优越的泛化能力。此外，所提出的方法可以成功地应用于四个商业API，而无需额外的训练，这表明它可以很容易地推广到现有的人脸识别系统。源代码可在https://github.com/RenMin1991/Perturbation-Inactivate上获得
2022-07-13 cs.CV
Self-supervising Action Recognition by Statistical Moment and Subspace Descriptors
Australian National University（澳大利亚国立大学）；Data61/CSIRO（Data61/联邦科学与工业研究组织）
在本文中，我们通过将RGB帧作为输入来学习预测动作概念和辅助描述符，对象描述符。所谓的幻觉流被训练来预测辅助线索，同时被馈送到分类层，然后在测试阶段被幻觉化以帮助网络。我们设计和幻觉两个描述符，一个利用四个流行的对象检测器应用于训练视频，另一个利用图像和视频级别的显着性检测器。第一个描述符对检测器和ImageNet类预测分数、置信度分数以及边界框和帧索引的空间位置进行编码，以捕获每个视频的特征的时空分布。另一个描述符编码显着图和强度图案的空间-角度梯度分布。受概率分布特征函数的启发，我们在上述中间描述符上捕获了四个统计矩。随着平均值、协方差、协扭性和协方差系数的数目线性地、二次地、三次地和四次地增长。特征向量的维数，我们通过协方差矩阵的前导n ′特征向量（所谓的子空间）来描述协方差矩阵，并且我们捕获偏度/峰度而不是代价高昂的余弦偏度/协峰度。我们在五个流行的数据集上获得了最先进的技术，如Charades和EPIC-Kitches。
2021-08-05 cs.CV
Local Sliced-Wasserstein Feature Sets for Illumination-invariant Face Recognition
University of Virginia（弗吉尼亚大学）
我们提出了一种新的方法，人脸识别的数字图像下获得不同的照明条件。该方法是基于数学建模的局部梯度分布，使用氡累积分布变换（R-CDT）。我们证明，照明变化会导致某些类型的变形的局部图像梯度分布，当表示在R-CDT域，可以建模为一个子空间。然后，使用局部梯度分布的R-CDT域中的最近子空间进行人脸识别。实验结果表明，该方法优于其他替代品在几个具有挑战性的光照条件下的人脸识别任务。实现所提出的方法的Python代码是可用的，其被集成为软件包PytransKit的一部分。
2022-02-22 cs.CV
Efficient Point-to-Subspace Query in $\ell^1$ with Application to Robust Object Instance Recognition
Columbia University（哥伦比亚大学）
出于视觉任务，如鲁棒的人脸和物体识别，我们考虑以下一般问题：给定一个集合的低维线性子空间在高维环境（图像）空间，和一个查询点（图像），有效地确定最近的子空间查询$\ell^1$距离。与需要大规模线性规划的朴素穷举搜索相比，我们证明了一个简单的两阶段算法可以大大减少计算负担：（1）通过随机柯西矩阵将查询和数据库子空间投影到低维空间，并解决小规模距离计算（线性规划）在投影空间中定位最接近的候选者;（2）在（1）的独立重复之后，在候选者很少的情况下，回到高维空间并执行穷举搜索。为了以非平凡概率保持最近子空间的同一性，投影维数通常是子空间维数乘以子空间数目的对数的低阶多项式（定理2.1）。降低维数，因此复杂性，使所提出的算法特别相关的视觉应用，如鲁棒的人脸和对象实例识别，我们的经验调查。
2014-03-06 cs.CV cs.LG stat.ML
A Novel Face Recognition Method using Nearest Line Projection
Yibin Vocational & Technical College（宜宾职业技术学院）
人脸识别是模式识别方法的一个热门应用，它面临着光照、表情、姿态等挑战性问题。最流行的方法是学习人脸图像的子空间，以便将其投影到另一个判别空间，在该判别空间中可以分离不同人的图像。本文提出了一种最近邻直线投影算法来表示人脸图像，并用于人脸识别。我们尝试将图像投影到由两个不同的人脸图像跨越的最近的线上，而不是将图像投影到最近的图像。学习子空间，以便最小化每个人脸图像到其最近的线。我们在一些基准人脸图像数据库上对该算法进行了评估，并将其与其他一些图像投影算法进行了比较。实验结果表明，该算法优于其他算法。
2014-02-24 cs.CV
Neural Collaborative Subspace Clustering
Australian National University（澳大利亚国立大学）；Motovis Intelligent Technologies（魔视智能科技）；NEC Labs America（NEC美国实验室）；Monash University（莫纳什大学）；Tencent AI Lab（腾讯人工智能实验室）
我们介绍了神经协作子空间聚类，这是一种神经模型，可以发现从低维子空间的联合中提取的数据点集群。与以前的尝试相比，我们的模型在没有谱聚类的帮助下运行。这使得我们的算法成为可以优雅地扩展到大型数据集的算法之一。在其核心，我们的神经模型受益于一个分类器，它确定一对点是否位于同一子空间上。我们的模型的关键是构建两个亲和矩阵，一个来自分类器，另一个来自子空间自我表达的概念，以监督协作方案中的训练。我们彻底评估和对比我们的模型对各种国家的最先进的聚类算法，包括基于深子空间的性能。
2019-04-24 cs.CV
Zero-Shot Visual Recognition using Semantics-Preserving Adversarial Embedding Networks
Zhejiang University（浙江大学）；Nanyang Technological University（南洋理工大学）；Tencent AI Lab（腾讯人工智能实验室）；Columbia University（哥伦比亚大学）
我们提出了一个新的框架，称为语义保持对抗嵌入网络（SP-AEN）的zero-shot视觉识别（SPNL），其中测试图像和它们的类都是在训练过程中不可见的。SP-AEN的目标是解决固有的问题--语义损失--在流行的基于嵌入的语义学习家族，其中一些语义将在训练过程中被丢弃，如果他们是非歧视性的训练类，但可能成为识别测试类的关键。具体而言，SP-AEN通过引入独立的视觉-语义空间嵌入器来防止语义丢失，该嵌入器将语义空间分解为两个子空间，用于两个可以说是相互冲突的目标：分类和重建。通过对两个子空间的对抗学习，SP-AEN将重构子空间的语义转换到判别子空间，实现了对未知类的改进zero-shot识别。与现有的工作相比，SP-AEN不仅可以提高分类，而且可以生成照片般逼真的图像，证明了语义保持的有效性。在四个流行的基准上：CUB、AWA、SUN和aPY、SP-AEN的谐波平均值的绝对性能差分别为12.2%、9.3%、4.0%和3.6
2018-03-31 cs.CV
Multiple pattern classification by sparse subspace decomposition
Chiba University（千叶大学）
提出了一种基于稀疏子空间分解的鲁棒分类方法。该方法试图将未标记数据（查询）的混合子空间分解为尽可能少的类子空间。每个查询被分类到其子空间对分解子空间有显著贡献的类中。来自不同类的多个查询可以同时分类到它们各自的类中。设计了一种实用的稀疏子空间分解贪心算法。本方法利用联合稀疏性实现了高识别率和鲁棒性。
2009-08-04 cs.CV
A Two-Stage Subspace Trust Region Approach for Deep Neural Network Training
Taras Shevchenko National University of Kyiv（塔拉斯·舍甫琴科国立基辅大学）；Université Paris Est（巴黎东部大学）；CentraleSupelec（中央理工-高等电力学院）；University Paris-Saclay（巴黎萨克雷大学）
在本文中，我们开发了一种新的二阶方法来训练前馈神经网络。在每次迭代中，我们在低维子空间中构造成本函数的二次近似。我们通过两个阶段的过程来最小化信赖域内的近似：首先在嵌入的正曲率子空间内，然后是梯度下降步骤。这种方法导致快速的目标函数衰减，防止收敛到鞍点，并消除了手动调整参数的需要。我们在基准数据集上显示了该算法的良好性能。
2018-05-23 cs.CV
Generalized Rank Pooling for Activity Recognition
Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）；The Australian National University（澳大利亚国立大学）；Data61/CSIRO（澳大利亚联邦科学与工业研究组织数据61分部）
大多数流行的动作识别深度模型将视频序列分割成由几帧组成的短子序列;然后将基于帧的特征汇集起来用于识别活动。通常，该池化步骤丢弃帧的时间顺序，否则其可以用于更好的识别。为此，我们提出了一种新的池化方法，广义秩池化（GRP），作为输入，功能从中间层的CNN是训练的微小的子序列，并产生作为输出的子空间的参数（i）提供了一个低秩近似的功能和（ii）保留其时间顺序。我们建议使用这些参数作为一个紧凑的表示的视频序列，然后在分类设置中使用。我们将这个子空间的计算目标定义为Grassmann流形上的黎曼优化问题，并提出了一种有效的共轭梯度算法，在多个活动识别数据集上的实验表明，该算法具有最佳的性能.
2017-07-22 cs.CV
Automated Dominative Subspace Mining for Efficient Neural Architecture Search
School of Software Engineering, South China University of Technology（华南理工大学软件学院）；Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Changsha Hisense Intelligent System Research Institute Co., Ltd（长沙海信智能系统研究院有限公司）；Department of Computer Science and Engineering, the Hong Kong University of Science and Technology（香港科技大学计算机科学与工程学系）
本文提出DSM-NAS方法，通过自动挖掘主导子空间并在其中进行局部搜索来缩小NAS搜索空间，从而在降低搜索成本的同时发现更优架构。
2024-06-06 cs.CV
DecoyFace: Beyond Obfuscation via Controllable and Imperceptible Identity Misdirection for Privacy-Preserving Face Recognition
School of Information and Communications Engineering, Xi’an Jiaotong University（西安交通大学信息与通信工程学院）；Shaanxi Key Laboratory of Deep Space Exploration Intelligent Information Technology（陕西省深空探测智能信息技术重点实验室）
研究针对分割式人脸识别中隐私问题，提出DecoyFace框架，通过分解中间表示为子空间，客户端注入诱饵线索，服务器端规范化处理，在保持识别准确率的同时大幅降低身份泄露，实现隐私保护的人脸识别。
2026-07-21 cs.AI cs.CV
Attribute-Guided Coupled GAN for Cross-Resolution Face Recognition
West Virginia University（西弗吉尼亚大学）
在本文中，我们提出了一种新的属性引导的交叉分辨率（低分辨率到高分辨率）的人脸识别框架，利用耦合生成对抗网络（GAN）结构与对抗训练，以找到隐藏的低分辨率和高分辨率图像之间的关系在潜在的共同嵌入子空间。耦合GAN框架由两个子网组成，一个专用于低分辨率域，另一个专用于高分辨率域。每个子网络的目标是找到一个投影，最大化两个特征域之间的成对相关性在一个共同的嵌入子空间。除了将图像投影到一个公共的子空间，耦合网络还预测人脸属性，以提高跨分辨率人脸识别。具体来说，我们提出的耦合框架利用面部属性，通过在训练过程中隐式地匹配低分辨率和高分辨率图像的面部属性，进一步最大化成对相关性，这导致更具鉴别力的嵌入子空间，从而提高跨分辨率人脸识别的性能。使用LFWA，Celeb-A，SCFace和UCCS数据集证明了我们的方法与最先进的方法相比的有效性。
2019-08-05 cs.CV cs.LG eess.IV
A Compared Study Between Some Subspace Based Algorithms
School of Internet of Things Engineering, Jiangnan University（江南大学物联网工程学院）
人脸识别技术近年来取得了一定的进展。本文在研究PCA、2DPCA、R1-PCA、L1-PCA、KPCA和KECA算法的基础上，提出了基于Renyi熵贡献的PCA（2DPCA）特征提取算法ECA（2DECA）。然后对2DL 1-PCA和2DR 1-PCA算法进行了研究。在实验的基础上，比较了上述算法在识别准确率和运算效率上的差异。
2019-12-23 cs.CV cs.LG
Online Handwritten Mathematical Expressions Recognition System Using Fuzzy Neural Network
本文描述了基于手写符号识别和结构分析方法的手写数学表达式在线识别的信息技术。
2017-07-12 cs.CV
Using SLP Neural Network to Persian Handwritten Digits Recognition
这篇论文已经被作者ali pourmohammad撤回。
2010-01-08 cs.CV
Neural Network Quantization by Learning Low-Loss Subspaces
Huawei（华为）
提出学习权重空间中的量化感知线性路径，使量化模型位于全精度模型的低损失子空间内，直接量化即可达到与量化感知训练相当的性能。
2026-06-25 cs.CV
Efficient Point-to-Subspace Query in $\ell^1$: Theory and Applications in Computer Vision
Columbia University（哥伦比亚大学）
出于视觉任务，如鲁棒的人脸和物体识别，我们考虑以下一般问题：给定一个集合的低维线性子空间在高维环境（图像）空间和查询点（图像），有效地确定最近的子空间查询$\ell^1$距离。我们在理论上表明，柯西随机嵌入的对象到显着较低的维空间有助于保持身份的最近的子空间的恒定概率。这提供了有效地选择几个候选人进行准确搜索的可能性。我们勾勒出初步的实验，鲁棒的人脸和数字识别，以证实我们的理论。
2012-11-05 cs.CV stat.AP stat.ML
Artificial Neural Networks for Finger Vein Recognition: A Survey
Hunan First Normal University（湖南第一师范学院）；National University of Defense Technology（国防科技大学）；Northeastern University（东北大学）
手指静脉识别是一种新兴的生物特征识别技术。与身体表面的其他生物特征不同，手指的静脉血管组织深埋在皮肤内。由于这个优点，手指静脉识别是高度稳定和私密的。它们几乎不可能被盗，也很难受到外部条件的干扰。与传统的基于机器学习的手指静脉识别方法不同，人工神经网络技术，特别是深度学习，不依赖于特征工程，具有优越的性能。为了总结基于人工神经网络的手指静脉识别的研究进展，本文收集了149篇相关论文。首先，我们介绍了手指静脉识别的背景和本次调查的动机。然后，介绍了人工神经网络的发展历史和用于手指静脉识别任务的代表性网络。然后描述了在手指静脉识别中广泛使用的公共数据集。在此基础上，分别总结了基于经典神经网络和深度神经网络的手指静脉识别任务。最后，对手指静脉识别中存在的问题和未来的发展方向进行了展望.据我们所知，本文是第一个全面的调查集中在手指静脉识别的基础上人工神经网络。
2022-08-29 cs.CV
Sequence Summarization Using Order-constrained Kernelized Feature Subspaces
Australian Centre for Robotic Vision, Australian National University（澳大利亚国立大学机器人视觉中心）；Massachusetts Institute of Technology（麻省理工学院）
能够压缩和有效捕获语义内容的时间演化的表示对于操作多变量时间序列数据的机器学习算法是重要的。我们调查这样的表示动机的人类行动识别的任务。这里，每个数据实例由多变量特征编码（例如通过深度CNN），其中动作动态由它们在时间上的变化来表征。由于这些功能往往是非线性的，我们提出了一种新的池化方法，内核化的秩池，表示一个给定的序列composite作为前图像的参数的超平面在RKHS，投影的数据上捕捉他们的时间顺序。我们进一步发展了这一想法，并表明，这样的池计划可以作为一个顺序约束的核PCA目标铸造，然后我们建议使用核低秩特征子空间的参数作为序列的表示。我们把我们的配方作为一个优化问题的广义格拉斯曼流形，然后有效地解决它使用黎曼优化技术。我们提出了几个动作识别数据集上使用不同的特征模态的实验，并展示了最先进的结果。
2017-05-24 cs.CV
DeepLogo: Hitting Logo Recognition with the Deep Neural Network Hammer
最近，围绕着标识识别出现了一系列的工业活动，例如Ditto为营销人员提供的在用户生成的图像中跟踪其品牌的服务，以及LogoGrab用于标识识别的移动应用平台。然而，在过去的四年里，学术或开源标志识别的进展相对较少。与此同时，深度卷积神经网络（DCNN）已经彻底改变了广泛的对象识别应用。在这项工作中，我们将DCNN应用于徽标识别。我们提出了几种DCNN架构，通过这些架构，我们在流行的徽标识别数据集上超过了已发布的最先进的准确性。
2015-10-07 cs.CV
ViT-ReT: Vision and Recurrent Transformer Neural Networks for Human Activity Recognition in Videos
Kansas State University（堪萨斯州立大学）
人类活动识别是计算机视觉中一个新兴的重要领域，它试图确定个人或一组个人正在执行的活动。该领域的应用范围从生成体育比赛中的精彩视频到智能监控和手势识别。大多数活动识别系统依赖于卷积神经网络（CNN）和递归神经网络（RNN）的组合，卷积神经网络（CNN）从数据中执行特征提取，递归神经网络（RNN）确定数据的时间相关性质。本文提出并设计了两种用于人体活动识别的Transformer神经网络：一种递归Transformer（ReT），一种用于对数据序列进行预测的专用神经网络，以及一种视觉Transformer（ViT），一种用于从图像中提取显著特征的Transformer，以提高活动识别的速度和可扩展性。我们提供了一个广泛的比较拟议的Transformer神经网络与当代CNN和基于RNN的人类活动识别模型的速度和准确性。
2022-08-25 cs.CV
Handwritten Text Recognition Lives in the High-Pixel Variance Subspace
University of Alicante（阿利坎特大学）
本研究证明手写文本识别中判别信号集中于高像素方差子空间，因此像素重建自监督方法优于对比方法，并在多语言基准上实现最优性能。
2026-10-19 cs.CV cs.LG
PF-cpGAN: Profile to Frontal Coupled GAN for Face Recognition in the Wild
West Virginia University（西弗吉尼亚大学）
近年来，由于深度学习的出现，人脸识别取得了非凡的成功。然而，与正面人脸相比，这些深度人脸识别模型中的许多在处理侧面人脸方面表现相对较差。这种性能差的主要原因是，它本质上很难学习大的姿态不变的深度表示，这是有用的轮廓人脸识别。在本文中，我们假设侧面脸域具有渐进的连接与正面脸域在深特征空间。我们希望利用这种连接投影到一个共同的潜在空间的侧面和正面的脸，并执行验证或检索的潜在域。我们利用耦合的生成对抗网络（cpGAN）结构，在潜在的公共嵌入子空间中找到轮廓和正面图像之间的隐藏关系。具体来说，cpGAN框架由两个基于GAN的子网络组成，一个专用于前端域，另一个专用于配置文件域。每个子网络倾向于找到一个投影，最大化两个特征域之间的成对相关性在一个共同的嵌入特征子空间。使用CFP，CMU MultiPIE，IJB-A和IJB-C数据集证明了我们的方法与最先进方法相比的有效性。
2020-04-25 cs.CV
Personalized Human Activity Recognition Using Convolutional Neural Networks
Washington State University（华盛顿州立大学）
使用可穿戴传感器的个性化人类活动识别的主要障碍是识别模型的性能在新用户采用系统或用户的身体/行为状态改变时显著下降。因此，需要通过在新的上下文中收集新的标记数据来重新训练模型。在这项研究中，我们使用卷积神经网络开发了一个迁移学习框架，以最小的用户监督来构建个性化的活动识别模型。
2018-01-25 cs.CV
Soft Locality Preserving Map (SLPM) for Facial Expression Recognition
The Hong Kong Polytechnic University（香港理工大学）；University of Technology, Sydney（悉尼科技大学）
对于图像识别，已经提出了大量的方法来克服所使用的特征向量的高维问题。这些方法从无监督到有监督，从统计到基于图论。本文首先回顾了当前最流行和最先进的降维方法，然后提出了一种新的更有效的流形学习方法--软局部保持映射（Soft Locality Preserving Map，SLPM）。此外，提出了特征生成和样本选择，以实现更好的流形学习。SLPM是一种基于图的子空间学习方法，利用k-邻域信息和类信息。SLPM的关键特征是它旨在控制不同类的传播水平，因为底层流形中类的传播与学习子空间的泛化密切相关。我们提出的流形学习方法可以应用于各种模式识别的应用，我们评估其性能的面部表情识别。在Bahcesehir大学多语言情感人脸数据库（BAUM-2）、扩展Cohn-Kanade（CK+）数据库、日本女性面部表情数据库（JAFFE）和台湾面部表情图像数据库（TFEID）上的实验表明，SLPM能够有效地降低特征向量的维数，提高提取特征对表情识别的区分能力。此外，所提出的特征生成方法可以提高面部表情识别的基础流形的泛化能力。
2018-01-11 cs.CV
Digit Recognition Using Convolution Neural Network
Priyadarshini Institute of Engineering & Technology（普里雅达希尼工程技术学院）
在模式识别中，数字识别一直是一个非常具有挑战性的课题。本文的目的是提取一个正确的特征，以便它可以达到更好的数字识别的准确性。数字识别的应用如在密码、银行支票等过程中识别用户的有效身份。早些时候，一些研究人员在模式识别中使用了各种不同的机器学习算法，即KNN，SVM，RFC。本文的主要目标是在不对数据集做过多预处理的情况下，利用卷积神经网络（CNN）对数字进行识别，获得最高的准确率99.15%。
2020-04-01 cs.CV
Handwritten Recognition Using SVM, KNN and Neural Network
Universiti Teknologi Malaysia（马来西亚理工大学）
手写识别（HWR）是计算机接收和解释来自诸如纸质文档、照片、触摸屏和其他设备的可理解的手写输入的能力。本文采用三种分类方法对手写体进行识别，即SVM、KNN和神经网络。
2017-02-01 cs.CV
Right whale recognition using convolutional neural networks
Universitat Politècnica de Catalunya（加泰罗尼亚理工大学）
我们研究了使用卷积神经网络识别单个露脊鲸（Eubalaena glacialis）的可行性。先前的研究表明，CNN可以用于广泛的分类和归类任务，如自动人脸识别。为了测试深度学习对鲸鱼识别的适用性，我们根据文献中的最佳实践开发了几个模型。在这里，我们描述了模型的性能。我们得出结论，机器识别鲸鱼是可行的，并评论的困难问题
2016-04-19 cs.CV
Skin Texture Recognition Using Neural Networks
Kufa University（库法大学）
皮肤识别被用于许多应用中，从用于面部检测、手势分析的算法到令人反感的图像过滤。在这项工作中，皮肤识别系统的开发和测试。虽然许多皮肤分割算法依赖于皮肤颜色，但我们的工作依赖于皮肤颜色和纹理特征（来自GLCM的特征），以提供更好，更有效的皮肤纹理识别精度。我们使用前馈神经网络来分类输入纹理图像是皮肤或非皮肤纹理。该系统在神经网络的泛化过程中取得了令人鼓舞的效果。
2013-11-23 cs.CV
Convolutional neural networks pretrained on large face recognition datasets for emotion classification from video
NTechLab；University of Oxford（牛津大学）
在本文中，我们描述了一个解决方案，我们进入了情感识别挑战赛2017年。我们提出了一个合奏的几个模型，捕捉空间和音频功能的视频。空间特征由卷积神经网络捕获，并在大型人脸识别数据集上进行预训练。我们发现，使用强大的行业级人脸识别网络可以提高情感识别的准确性。使用我们的集成，我们提高了以前的最好的测试集上的结果约1%，实现了60.03%的分类准确率，而不使用任何视觉时间信息。
2017-11-13 cs.CV
Pose Attention-Guided Profile-to-Frontal Face Recognition
West Virginia University（西弗吉尼亚大学）
近年来，由于深度学习架构的有前途的进步，人脸识别系统取得了非凡的成功。然而，他们仍然无法达到预期的准确性时，匹配的轮廓图像对画廊的正面图像。当前的方法或者执行姿态归一化（即，正面化）或解开用于面部识别的姿态信息。相反，我们提出了一种新的方法，利用姿态作为辅助信息，通过注意力机制。在本文中，我们假设，姿势出席信息使用的注意力机制可以指导上下文和独特的特征提取从侧面的脸，这进一步有利于更好的表示学习在嵌入式领域。为了实现这一点，首先，我们设计了一个统一的耦合侧面到正面人脸识别网络。它通过类特定的对比损失来学习从人脸到紧凑嵌入子空间的映射。其次，我们开发了一种新的姿态注意块（PAB），专门指导姿态不可知的特征提取从侧面的脸。更具体地说，PAB旨在明确地帮助网络关注通道和空间维度上的重要特征，同时在嵌入子空间中学习有区别但姿态不变的特征。为了验证我们所提出的方法的有效性，我们进行了控制和野生基准测试，包括多PIE，CFP，IJBC的实验，并显示出优于国家的艺术。
2022-09-15 cs.CV
Doppler-Radar Based Hand Gesture Recognition System Using Convolutional Neural Networks
手势识别一直是人机交互领域的研究热点。传统的基于摄像头的手势识别系统在黑暗环境下无法正常工作。提出了一种基于多普勒雷达的卷积神经网络手势识别系统。使用具有5.8GHz双接收通道的高性价比多普勒雷达传感器来获取四个标准手势的大数据库。然后对接收到的手势信号进行时频分析。卷积神经网络用于对不同的手势进行分类。实验结果验证了该系统的有效性，准确率为98%。此外，还研究了识别距离和手势尺度等相关因素。
2017-11-22 cs.CV
Accurate, Data-Efficient, Unconstrained Text Recognition with Convolutional Neural Networks
Assiut University（艾斯尤特大学）
无约束文本识别是一个重要的计算机视觉任务，具有各种不同的子任务，每个子任务都有自己的挑战。深度神经网络的最大承诺之一是从输入原始信号中提取特征的收敛和自动化，从而以最少的领域知识实现尽可能高的性能。为此，我们提出了一个数据高效，端到端的神经网络模型通用，无约束的文本识别。在我们提出的架构中，我们努力在不牺牲识别精度的情况下实现简单性和效率。我们提出的架构是一个完全卷积的网络，没有任何使用CTC损失函数训练的循环连接。因此，它可以对任意大小的输入进行操作，并以非常高效和可并行的方式生成任意长度的字符串。我们通过在七个公共基准数据集上实现最先进的结果来展示我们所提出的文本识别架构的通用性和优越性，这些数据集涵盖了广泛的文本识别任务，即：手写识别，CAPTCHA识别，OCR，车牌识别和场景文本识别。我们提出的架构赢得了ICFHR 2018 READ数据集自动文本识别竞赛。
2018-12-31 cs.CV
Profile to Frontal Face Recognition in the Wild Using Coupled Conditional GAN
近年来，随着深度学习的出现，人脸识别取得了巨大的成功。然而，许多这些深度人脸识别模型在处理正面人脸方面的表现要好于侧面人脸。在处理轮廓面部时性能差的主要原因是，学习对轮廓面部识别有用的姿势不变的深度表示本质上是困难的。在本文中，我们假设侧面人脸域具有潜在的连接与正面人脸域的潜在特征子空间。我们希望利用这种潜在的连接投影到一个共同的潜在子空间的侧面脸和正面脸，并执行验证或检索的潜在域。我们利用耦合的条件生成对抗网络（cpGAN）结构，在潜在的公共嵌入子空间中找到轮廓和正面图像之间的隐藏关系。具体来说，cpGAN框架由两个基于条件GAN的子网络组成，一个专用于前端域，另一个专用于配置文件域。每个子网络倾向于找到一个投影，最大化两个特征域之间的成对相关性在一个共同的嵌入特征子空间。使用CFP，CMU Multi-PIE，IJB-A和IJB-C数据集证明了我们的方法与最先进方法相比的有效性。此外，我们还实现了一个耦合的卷积神经网络（cpCNN）和一个对抗的歧视性领域自适应网络（ADDA）的侧面正面人脸识别。我们已经评估了cpCNN和ADDA的性能，并将其与所提出的cpGAN进行了比较。最后，我们还评估了我们的cpGAN，用于从VGGFace 2数据集中包含的输入轮廓人脸重建正面人脸。
2021-07-29 cs.AI cs.CV
Facial Expression Recognition Based on Complexity Perception Classification Algorithm
South China University of Technology（华南理工大学）
人脸表情识别一直是计算机视觉领域的一个具有挑战性的课题。不同的表情和不受控制的环境因素导致FER的复杂性和表情类别之间的可变性不一致，这在大多数面部表情识别系统中经常被忽视。为了有效地解决这一问题，本文提出了一种简单高效的CNN模型来提取人脸特征，并提出了一种复杂度感知分类（CPC）算法。CPC算法通过评估适合分类的面部特征的复杂度，将数据集分为容易分类的样本子空间和复杂分类的样本子空间。在Fer 2013和CK-plus数据集上的实验结果证明了该算法的有效性和优越性。
2018-03-01 cs.AI cs.CV
Evaluation of Neural Networks for Image Recognition Applications: Designing a 0-1 MILP Model of a CNN to create adversarials
Bergische Universität Wuppertal（伍珀塔尔大学）
图像识别是计算机视觉的核心任务，应用范围包括搜索、机器人、自动驾驶汽车等。本文件有三个目的：1。我们跟进（Fischetti & Jo，2017年12月），并展示如何将标准卷积神经网络优化为更复杂的胶囊架构。2.我们引入了一个基于CNN的MILP模型来创建对抗。3.我们比较和评估每个网络的图像识别任务。
2018-09-01 cs.CV
Iris Recognition for Personal Identification using LAMSTAR neural network
University of California, Santa Cruz（加州大学圣克鲁兹分校）；University of Illinois at Chicago（伊利诺伊大学芝加哥分校）
虹膜识别是生物特征识别中最重要的方法之一。这是因为虹膜纹理提供了许多特征，如雀斑、冠状、条纹、皱纹、隐窝等。这些特征对于不同的人是独特的，可以区分。虹膜解剖结构的这些独特特征使得个体之间的区分成为可能。因此，在过去的几年里，大量的人一直在努力提高其性能。在这篇文章中，首先解释了虹膜识别系统的不同常见步骤。然后将一种特殊类型的神经网络用于识别部分。实验结果表明，特别是当初始步骤做得好时，可以获得较高的精度。
2019-07-28 cs.CV
LPRNet: License Plate Recognition via Deep Neural Networks
Intel（英特尔）
提出了一种基于LPRNet的端到端车牌自动识别方法。我们的方法受到深度神经网络最新突破的启发，并实时工作，对中国车牌的识别准确率高达95%：在nVidia GeForce GTX 1080上为3 ms/板，在Intel Core i7- 6700 K CPU上为1.3 ms/板。LPRNet由轻量级的卷积神经网络组成，因此它可以以端到端的方式进行训练。据我们所知，LPRNet是第一个不使用RNN的实时车牌识别系统。因此，LPRNet算法可用于创建LPR的嵌入式解决方案，即使在具有挑战性的中国车牌上也具有高水平的准确性。
2018-06-27 cs.CV
ULSAM: Ultra-Lightweight Subspace Attention Module for Compact Convolutional Neural Networks
IIT Hyderabad（印度理工学院海得拉巴分校）；IIT Roorkee（印度理工学院鲁尔基分校）
自我注意力机制对远程依赖关系建模的能力已经在视觉模型中得到了迅速的部署。与卷积算子不同，自注意力提供了无限的接收域，并实现了全局依赖关系的计算高效建模。然而，现有的最先进的注意力机制招致高的计算和/或参数开销，因此不适合紧凑的卷积神经网络（CNN）。在这项工作中，我们提出了一个简单而有效的“超轻量子空间注意力机制“（ULSAM），它推断不同的注意力地图的每个特征地图子空间。我们认为，学习单独的注意力地图的每个特征子空间，使多尺度和多频率的特征表示，这是更可取的细粒度的图像分类。我们的子空间注意力的方法是正交的，并补充现有的国家的最先进的注意力机制中使用的视觉模型。ULSAM是端到端可训练的，可以作为即插即用模块部署在现有的紧凑型CNN中。值得注意的是，我们的工作是第一次尝试使用子空间注意力机制来提高紧凑CNN的效率。为了展示ULSAM的有效性，我们使用MobileNet-V1和MobileNet-V2作为ImageNet-1 K和三个细粒度图像分类数据集的骨干架构进行实验。我们在MobileNet-V2的FLOP和参数计数方面实现了$\approx$ 13%和$\approx$ 25%的减少，在ImageNet-1 K和细粒度图像分类数据集上的top-1准确性分别提高了0.27%和1%以上。代码和训练模型可在https://github.com/Nandan91/ULSAM上获得。
2020-06-26 cs.CV
Automatic vehicle tracking and recognition from aerial image sequences
University of St Andrews（圣安德鲁斯大学）
本文研究了从航空图像序列中自动跟踪和识别车辆的问题。由于其在现有文献中的成功，重点关注使用线性外观子空间来描述多视图对象外观，并强调其作为实际系统的一部分的应用所涉及的挑战。描述了一个工作解决方案，其中包括数据提取和归一化的步骤。在对真实世界数据的实验中，所提出的方法取得了令人鼓舞的结果，具有较高的正确识别率和很少的有意义的错误（第二类错误，即真正相似的目标有时会相互混淆）。未来的研究方向和可能的改进所提出的方法进行了讨论。
2015-06-23 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
Image Recognition Using Scale Recurrent Neural Networks
ImaginationAI LLC（想象人工智能有限责任公司）
卷积神经网络（CNN）在图像识别中得到了广泛的应用，并取得了巨大的成功。然而，当前基于CNN的图像识别范例存在许多限制。首先，CNN的感受野一般是固定的，这限制了它在输入图像非常大时的识别能力。其次，它缺乏处理不同大小图像的计算可扩展性。第三，图像识别与人类视觉系统有很大的不同，它涉及前馈和递归预处理。本文提出了一种不同的图像识别范式，它可以利用输入图像的可变尺度，具有更多的计算可扩展性，更类似于人类视觉系统的图像识别。它是基于递归神经网络（RNN）定义在图像尺度上与一个嵌入的基础CNN，这被称为规模递归神经网络（SRNN）。这种基于RNN的方法使得处理可变大小的图像变得更容易，并允许我们借用现有的RNN技术，如LSTM和GRU，以进一步提高识别准确性。我们的实验表明，一个基地CNN的识别精度可以显着提高使用所提出的SRNN模型。它还显著优于尺度集成方法，该方法将执行CNN的结果集成到不同尺度的输入图像，尽管使用SRNN的计算开销可以忽略不计。
2018-03-25 cs.CV
Graph Neural Networks for Image Understanding Based on Multiple Cues: Group Emotion Recognition and Event Recognition as Use Cases
University of Delaware（特拉华大学）；Target Corporation（塔吉特公司）
提出了一种基于多线索的图神经网络（GNN）图像理解方法。与传统的特征和决策融合方法相比，这些方法忽略了特征可以交互和交换信息的事实，所提出的GNN能够在从不同模型提取的特征之间传递信息。选择两个图像理解任务，即组级情感识别（GER）和事件识别，这是高度语义的，需要多个深度模型的交互来合成多个线索，以验证所提出的方法的性能。实验结果表明，所提出的方法在选定的图像理解任务上达到了最先进的性能。此外，本文还介绍了一种新的群体级情感识别数据库，并实现了共享。
2020-02-28 cs.CV
Motion Feature Augmented Recurrent Neural Network for Skeleton-based Dynamic Hand Gesture Recognition
Tsinghua University（清华大学）
动态手势识别由于其在人机交互中的重要性而受到越来越多的关注。在本文中，我们提出了一个新的运动特征增强的循环神经网络的基于神经网络的动态手势识别。提取手指运动特征描述手指运动，利用全局运动特征描述手部骨骼的全局运动。然后将这些运动特征与骨架序列一起输入到双向循环神经网络（RNN）中，这可以增强RNN的运动特征并提高分类性能。实验表明，我们提出的方法是有效的，优于开始的最先进的方法。
2017-08-10 cs.CV
How Deep Neural Networks Can Improve Emotion Recognition on Video Data
MIT Lincoln Laboratory（麻省理工学院林肯实验室）
我们考虑使用深度学习对视频数据进行维度情感识别的任务。虽然之前的几种方法已经显示了在手工制作的特征上训练时间神经网络模型（例如递归神经网络（RNN））的好处，但很少有工作考虑将卷积神经网络（CNN）与RNN相结合。在这项工作中，我们提出了一个使用CNN和RNN对视频数据进行情感识别的系统，我们还分析了每个神经网络组件对系统整体性能的贡献。我们展示了我们对音频/视觉+情感挑战赛（AV+ EC 2015）视频的研究结果。在我们的实验中，我们分析了几个超参数对整体性能的影响，同时也实现了优于基线和其他竞争方法的性能。
2017-01-10 cs.CV
Real Time Face Recognition Using Convoluted Neural Networks
SNIST
人脸识别是利用人脸识别人的过程之一，它有各种各样的应用，如身份验证系统，监控系统和执法。卷积神经网络被证明是人脸识别的最佳方法。使用core-ml api检测人脸，并通过coreML模型处理提取的人脸，该模型经过训练以识别特定的人。数据集的创建是通过将待识别人员的人脸视频转换为数百张人的图像来完成的，这些图像进一步用于模型的训练和验证，以提供准确的实时结果。
2020-10-09 cs.CV
Learning Neural Network Subspaces
University of Washington（华盛顿大学）；Apple（苹果公司）
最近的观察促进了我们对神经网络优化前景的理解，揭示了（1）包含不同解决方案的高精度路径的存在，以及（2）提供更好性能的更宽的最小值。观察不同路径的先前方法需要多次训练运行。相比之下，我们的目标是用一种方法在一次训练运行中利用属性（1）和（2）。用与训练一个模型类似的计算成本，我们学习高精度神经网络的直线、曲线和单纯形。这些神经网络子空间包含可以集成的不同解决方案，接近独立训练网络的集成性能，而无需训练成本。此外，使用子空间中点提高了准确性，校准和对标签噪声的鲁棒性，优于随机权重平均。
2021-09-12 cs.CV cs.LG
Uncertainty Propagation in Deep Neural Network Using Active Subspace
Tsinghua University（清华大学）；Princeton University（普林斯顿大学）
深度神经网络（DNN）的输入来自真实世界的数据，通常带有不确定性。然而，以低计算成本将输入特征中的不确定性传播到DNN预测是具有挑战性的。这项工作采用了基于梯度的子空间方法和响应面技术来加速DNN中的不确定性传播。具体而言，采用主动子空间方法来使用DNN输出到输入的梯度来识别输入特征中最重要的子空间。然后，可以有效地构建该低维子空间内的响应面，并且可以通过评估计算成本低的响应面而不是DNN模型来获得预测的不确定性。此外，子空间可以帮助解释对抗性示例。该方法在MNIST数据集与卷积神经网络。代码可在：https://github.com/jiweiqi/nnsubspace.
2020-01-11 cs.CV cs.LG stat.ML
Generalized Relevance Learning Grassmann Quantization
本文提出广义相关性学习格拉斯曼量化方法，通过原型子空间和相关性向量进行图像集分类，在多个识别任务中以更低复杂度超越先前工作，并对子空间维度选择具有鲁棒性。
2024-03-14 cs.CV cs.LG
Self-organizing neural networks in classification and image recognition
自组织神经网络被用于OPERA实验中的砖块发现。自组织神经网络和小波分析用于从图像中识别和提取车号。
2004-06-24 cs.AI cs.CV
