Spatial-Temporal Alignment Network for Action Recognition and Detection
Carnegie Mellon University（卡内基梅隆大学）；Google Cloud AI（谷歌云人工智能）
本文研究了如何引入视点不变的特征表示，可以帮助动作识别和检测。尽管在过去的十年里，我们见证了动作识别的巨大进步，但如何有效地对大规模数据集的几何变化进行建模仍然是一个具有挑战性和有趣的问题。本文提出了一种新的时空对齐网络（STAN），旨在学习几何不变表示的动作识别和动作检测。STAN模型是非常轻量级和通用的，可以插入到现有的动作识别模型中，如ResNet 3D和SlowFast，额外的计算成本非常低。我们在AVA，Kinetics-400，AVA-Kinetics，Charades和Charades-Ego数据集上广泛测试了我们的STAN模型。实验结果表明，STAN模型在动作检测和动作识别任务中都能持续提高技术水平。我们将发布我们的数据、模型和代码。
2020-12-04 cs.CV
Action Recognition Based on Joint Trajectory Maps Using Convolutional Neural Networks
University of Wollongong（伍伦贡大学）；Tianjin University（天津大学）
近年来，卷积神经网络（ConvNets）在许多计算机视觉任务，特别是基于图像的识别中表现出了良好的性能。如何有效地使用ConvNets进行基于视频的识别仍然是一个悬而未决的问题。在本文中，我们提出了一个紧凑，有效而简单的方法来编码时空信息携带的$3D$骨架序列到多个$2D$图像，称为联合轨迹地图（JTM），和ConvNets被采用来开发实时人体动作识别的判别特征。所提出的方法已经在三个公共基准上进行了评估，即，MSRC-12 Kinect手势数据集（MSRC-12），G3 D数据集和UTD多模态人体动作数据集（UTD-MHAD），并取得了最先进的结果。
2016-11-13 cs.CV
Correlation Net: Spatiotemporal multimodal deep learning for action recognition
Hiroshima University（广岛大学）；Universitas Brawijaya（布劳爪哇大学）
本文描述了一个网络，捕捉多模态相关性在任意时间戳。所提出的方案作为一个互补的，扩展的多模态卷积神经网络（CNN）的网络。深度CNN的动作识别需要空间流和时间流，但是过拟合减少和融合这两个流仍然是开放的问题。现有的融合方法对两个流进行平均。在这里，我们提出了一个具有香农融合的相关网络，用于学习预训练的CNN。远程视频可以由任意时间上的时空相关性组成，其可以通过从简单的全连接层形成相关性网络来捕获。这种方法被认为是对现有网络融合方法的补充。在UCF-101和HMDB-51数据集上的对比实验验证了多模态相关的重要性。多模态相关提高了视频识别结果的准确性。
2019-12-16 cs.CV
Multi-velocity neural networks for gesture recognition in videos
Massachusetts Institute of Technology（麻省理工学院）
我们提出了一种新的动作识别深度神经网络，除了分类之外，它还自适应地学习最佳动作速度。虽然深度神经网络在图像理解任务方面已经成熟，但我们仍在探索网络拓扑和功能，以处理更丰富的视频剪辑环境。在这里，我们解决了动作识别中的多速度问题，并在已知和新收集的数据集上提供了手势识别的最新结果。我们进一步为我们的半监督网络提供了训练步骤，适合从只有一小部分标记示例的大型未标记数据集中学习。
2016-03-22 cs.CV cs.LG
Invariant 3D Shape Recognition using Predictive Modular Neural Networks
Aristotle University（亚里士多德大学）
本文将PREMONN（预测模块神经网络）模型/结构推广到二元函数和非欧空间。它是在三维不变形状识别和纹理识别的背景下提出的。PREMONN使用局部关系，它是模块化的，并表现出增量学习。识别过程可以从形状或纹理上的任何点开始，因此不需要参考点。它的局部关系特性使它能够识别形状和纹理，即使在存在遮挡。分析主要是数学的。然而，我们提出了一些实验结果。本文提出的方法可应用于手势识别、动作识别、动态纹理识别等问题。
2020-05-23 cs.CV cs.LG eess.IV
3D Convolutional Networks for Action Recognition: Application to Sport Gesture Recognition
Univ. Bordeaux（波尔多大学）；Univ. La Rochelle（拉罗谢尔大学）
3D卷积网络是一种很好的方法来执行任务，例如将视频分割成连贯的时空块，并根据目标分类法对其进行分类。在本章中，我们感兴趣的是具有可重复动作的连续视频的分类，例如乒乓球的击球。这些视频在无标记的生态环境中拍摄，从分割和分类的角度来看都是一个挑战。3D convnets是一个有效的工具，用于解决这些问题与基于窗口的方法。
2022-04-13 cs.CV cs.LG eess.IV
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
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
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
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
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
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
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
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
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
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
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
Object-Scene Convolutional Neural Networks for Event Recognition in Images
The Chinese University of Hong Kong（香港中文大学）；Shenzhen Institutes of Advanced Technology, CAS（中国科学院深圳先进技术研究院）
从静止图像中识别事件对于图像理解具有重要意义。然而，与视频中的事件识别相比，图像中的事件识别的研究工作要少得多。针对图像事件识别问题，提出了一种基于深度神经网络的有效方法。具体来说，我们设计了一个新的架构，称为对象场景卷积神经网络（OS-CNN）。该体系结构被分解为对象网和场景网，分别从对象和场景上下文的角度提取对事件理解有用的信息。同时，我们研究了OS-CNN设计的不同网络架构，并使深度（AlexNet）和非常深度（GoogLeNet）网络适应事件识别任务。此外，我们还发现深度网络和超深度网络是互补的。最后，基于所提出的OS-CNN和不同网络架构的比较研究，我们提出了一个五流CNN的解决方案，用于ChaLearn Looking at People（ChaLearn Looking at People）2015挑战赛中的文化事件识别。我们的方法获得了85.5%的性能和排名的$1^{st}$在这个挑战的地方。
2015-05-02 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
A Multi-Object Rectified Attention Network for Scene Text Recognition
South China University of Technology（华南理工大学）；SCUT-Zhuhai Institute of Modern Industrial Innovation（华南理工大学珠海现代产业创新研究院）
不规则文本被广泛使用。然而，由于它的各种形状和扭曲的图案，识别起来相当困难。因此，在本文中，我们提出了一个多对象纠正注意力网络（MORAN）的一般场景文本识别。MORAN由一个多目标校正网络和一个基于注意力的序列识别网络组成。针对含有不规则文字的图像，设计了多目标校正网络。它降低了识别的难度，使基于注意力的序列识别网络更容易阅读不规则文本。它是以弱监督方式训练的，因此只需要图像和相应的文本标签。基于注意力的序列识别网络专注于目标字符并顺序输出预测。此外，为了提高基于注意力的序列识别网络的灵敏度，在训练阶段提出了一种分数拾取方法用于基于注意力的解码器。通过校正机制，MORAN可以读取规则和不规则的场景文本。在各种基准上进行了大量的实验，结果表明MORAN达到了最先进的性能。源代码是可用的。
2019-01-10 cs.CV
AFR-Net: Attention-Driven Fingerprint Recognition Network
Michigan State University（密歇根州立大学）
视觉Transformer（ViT）在计算机视觉中的使用由于有限的电感偏置（例如，位置、权重共享等）并且与其他深度学习方法相比具有更高的可扩展性。这导致了一些关于使用ViT进行生物识别的初步研究，包括指纹识别。在这项工作中，我们改进了这些初步研究的Transformers器在指纹识别通过i。评估附加的基于注意力的架构，ii.）扩展到更大和更多样化的训练和评估数据集，以及iii.）将基于注意力的嵌入和基于CNN的嵌入的互补表示相结合，用于改进的最新技术水平（SOTA）指纹识别（认证和识别两者）。我们的组合架构AFR-Net（Attention-Driven Fingerprint Recognition Network，注意力驱动的指纹识别网络）在传感器内、传感器间以及潜在到滚动指纹匹配数据集上的性能优于几种基于Transformer和CNN的基准模型，包括SOTA商业指纹系统Verifinger v12.3。此外，我们提出了一种重新排列策略，使用从网络内的中间特征图中提取的局部嵌入来改进低确定性情况下的全局嵌入，这显著提高了每个模型的整体识别准确性。这种重新排列策略不需要额外的训练，可以作为包装器应用于任何现有的深度学习网络（包括基于注意力的，基于CNN的，或两者兼而有之），以提高其性能。
2022-12-03 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
Attacks on State-of-the-Art Face Recognition using Attentional Adversarial Attack Generative Network
Beijing University of Posts and Telecommunications（北京邮电大学）
随着人脸识别技术的广泛应用，其易受攻击的弱点也逐渐暴露出来。因此，研究人脸识别网络如何受到攻击是非常重要的。在本文中，我们专注于一种新的方法来做对人脸识别网络的攻击，误导网络识别某人作为目标的人不误分类不显眼。同时，为了这个目的，我们引入了一个特定的注意力对抗攻击生成网络来生成虚假的人脸图像。为了捕捉目标人物的语义信息，本文增加了条件变分自编码器和注意力模块来学习人脸之间的实例级对应关系。与传统的两人GAN不同，本文引入人脸识别网络作为第三方参与生成器和攻击者之间的竞争，使得攻击者能够更好地模仿目标人物。生成的人脸很难引起旁观者的注意，可以逃避识别的国家的最先进的网络和他们中的大多数被识别为目标人物。
2018-11-30 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
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
IOD-CNN: Integrating Object Detection Networks for Event Recognition
U.S. Army Research Laboratory（美国陆军研究实验室）；University of Maryland（马里兰大学）；Booz Allen Hamilton Inc.（博思艾伦汉密尔顿公司）
许多先前的方法已经表明了考虑语义相关对象以执行事件识别的重要性，但是这些方法都没有利用深度卷积神经网络的能力来直接将相关对象信息集成到统一的网络中。我们提出了一种新的统一的深度CNN架构，该架构集成了架构上不同但语义相关的目标检测网络，以增强事件识别任务的性能。我们的架构允许共享卷积层和一个完全连接的层，有效地集成了事件识别，刚性目标检测和非刚性目标检测。
2017-03-21 cs.CV
Fingerprint Recognition Using Translation Invariant Scattering Network
New York University（纽约大学）
指纹识别在过去的几十年里引起了人们的广泛关注。不同的特征和算法在过去已经用于指纹识别。在本文中，一个强大的图像表示称为散射变换/网络，用于识别。散射网络是一种卷积网络，其架构和滤波器是预定义的小波变换。散射表示的第一层类似于SIFT描述符，并且更高层捕获信号的更高频率内容。在提取散射特征后，应用主成分分析（PCA）对其进行降维。最后，利用多类支持向量机进行模板匹配，完成识别任务。该方案在一个著名的指纹数据库上进行了测试，并显示出良好的效果，最佳准确率为98%。
2015-11-26 cs.CV
Translate-to-Recognize Networks for RGB-D Scene Recognition
Nanjing University（南京大学）
跨模态迁移有助于增强场景识别的模态区分能力。为此，本文提出了一个统一的框架，整合跨模态翻译和特定模态识别的任务，称为翻译识别网络（TRecgNet）。具体来说，翻译和识别任务共享相同的编码器网络，这允许在翻译的帮助下显式地正则化识别任务的训练，从而提高其最终的泛化能力。对于翻译任务，我们在编码器网络之上放置解码器模块，并使用新的逐层语义损失进行优化，而对于识别任务，我们使用基于编码器特征嵌入的线性分类器，其训练由标准交叉熵损失指导。此外，我们的TRegNet允许利用大量未标记的RGB-D数据来训练翻译任务，从而提高编码器网络的表示能力。实验证明，这种新的半监督设置能够进一步提高识别网络的性能。我们在两个RGB-D场景识别基准测试：NYU Depth v2和SUN RGB-D上进行了实验，证明了TRegNet比现有的最先进的方法具有更好的性能，特别是对于仅基于单一模态的识别。
2019-04-28 cs.CV
Recognition of Images of Korean Characters Using Embedded Networks
Smart Engines Service LLC（Smart Engines服务有限责任公司）；Federal Research Center “Computer Science and Control” of RAS（俄罗斯科学院“计算机科学与控制”联邦研究中心）；Moscow Institute of Physics and Technology（莫斯科物理技术学院）
尽管在文本识别领域取得了显著的成功，但在该领域中仍然存在复杂且未解决的问题。近年来，英语语言的识别精度有了很大的提高，而象形文字的识别问题却很少受到关注。对汉字、韩文、日文的象形文字识别和图像识别与传统的文本识别任务存在差异。本文讨论了象形文字和拉丁字母在图像识别方面的主要区别。提出了一种轻量级的象形文字图像识别方法，并在公开的朝鲜文象形文字图像数据集上进行了测试。尽管现有的解决方案，所提出的方法是适合于移动设备。它的识别精度优于开源OCR框架的精度。提出了一种基于识别数据相似性的嵌入式网络训练方法。
2019-12-03 cs.CV
FH-GAN: Face Hallucination and Recognition using Generative Adversarial Network
Shanghai Jiao Tong University（上海交通大学）
影响视觉人脸识别的因素很多，如低分辨率图像、年龄、光照和姿态变化等，其中最重要的问题之一就是低分辨率的人脸图像，这会导致人脸识别的性能下降。大多数通用的人脸识别算法通常假设人脸图像具有足够的分辨率。然而，在实践中，许多应用往往没有足够的图像分辨率。现代人脸超分辨率模型表现出合理的性能，从其相应的低分辨率图像重建高分辨率图像。然而，他们不考虑身份级别的信息，在幻觉，直接影响低分辨率的人脸识别的结果。为了解决这个问题，我们提出了一个人脸幻觉生成对抗网络（FH-GAN），它提高了低分辨率人脸图像的质量，并准确地识别这些低质量的图像。具体来说，我们做了以下贡献：1）我们提出了FH-GAN网络，一个端到端的系统，同时提高了人脸幻觉和人脸识别。该网络的新颖性取决于通过结合用于身份保护的面部识别网络将身份信息并入基于GAN的面部超分辨率算法中。2)我们还提出了一种新的人脸幻觉网络，即密集稀疏网络（DSNet），它改进了最先进的人脸幻觉。3)我们通过报告对人脸幻觉和识别的良好结果，展示了联合训练人脸识别和基于GAN的DSNet的好处。
2019-05-16 cs.CV
Face Recognition Using Scattering Convolutional Network
NYU School of Engineering（纽约大学工程学院）
人脸识别在过去的几十年里一直是一个活跃的研究领域。在一般情况下，人脸识别可以是非常具有挑战性的，由于在视点，照明，面部表情等的变化，因此，它是必不可少的，以提取特征是不变的一些或所有这些变化。在这里，一个新的图像表示，称为散射变换/网络，已被用来提取面部特征。散射变换是一种卷积网络，它为信号提供了强大的多层表示。在提取散射特征后，利用主成分分析对数据进行降维，然后利用多类支持向量机进行识别。该算法在三个人脸数据集上进行了测试，取得了很高的识别率。
2017-11-30 cs.CV
Complex-valued Iris Recognition Network
Queensland University of Technology（昆士兰科技大学）；Michigan State University（密歇根州立大学）
在这项工作中，我们设计了一个全复值神经网络的虹膜识别任务。与一般对象识别的问题不同，其中实值神经网络可以用于提取相关特征，虹膜识别依赖于从输入虹膜纹理中提取相位和幅度信息，以便更好地表示其生物特征内容。这需要提取和处理实值神经网络不能有效处理的相位信息。在这方面，我们设计了一个完全复值的神经网络，可以更好地捕捉虹膜纹理的多尺度，多分辨率，多方向的相位和幅度特征。我们显示了一个强大的对应关系的建议复值虹膜识别网络与Gabor小波，用于生成经典的IrisCode;然而，所提出的方法使一个新的能力，自动复值特征学习，是专为虹膜识别。我们在三个基准数据集上进行了实验- ND-CrossSensor-2013，CASIA-Iris-Thousand和UBIRIS.v2 -并显示了所提出的网络对虹膜识别任务的好处。我们利用可视化方案来传达复值网络与标准实值网络相比如何从虹膜纹理中提取根本不同的特征。
2022-02-16 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
Learning Channel Inter-dependencies at Multiple Scales on Dense Networks for Face Recognition
West Virginia University（西弗吉尼亚大学）
我们提出了一种新的无约束人脸识别深度网络结构。该网络将几个关键组件集成在一起，以表征复杂的数据分布，例如无约束的人脸图像。受深度网络最新进展的启发，我们考虑了一些重要的概念，包括多尺度特征学习，网络层的密集连接，以及对不同网络流进行加权，以构建我们的深度网络结构。在无约束人脸匹配中对所开发的网络进行了评估，显示出学习各种质量的人脸图像所引起的复杂数据分布的能力。
2019-03-18 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
EQFace: A Simple Explicit Quality Network for Face Recognition
Shenzhen Deepcam Information Technologies（深圳深视信息技术有限公司）；LinkSprite Technologies（LinkSprite 技术公司）
随着深度学习在静态图像人脸识别方面取得了很大的进展，由于姿态、模糊、遮挡、光照等原因造成的低质量人脸图像，无约束视频人脸识别仍然是一项具有挑战性的任务。本文提出了一种用于人脸识别的网络，该网络在提取特征向量的同时给出了明确的量化质量分数。据我们所知，这是第一个在一个网络中在线实现这两个功能的网络。该网络非常简单，只需在人脸识别的基线网络上添加一个质量网络分支。它不需要带有注释的人脸质量标签的训练数据集。我们在静态图像人脸数据集和视频人脸数据集上对该网络进行了评估，并在许多情况下实现了最先进的性能。该网络支持许多使用显式面部质量scpre的应用。我们展示了三个应用程序的显式人脸质量，其中之一是一个渐进的特征聚合计划在在线视频人脸识别。我们设计了一个实验来证明在这个应用程序中使用人脸质量的好处。代码将在\url{https://github.com/deepcam-cn/facequality}上提供。
2021-05-03 cs.CV
LOGO-Net: Large-scale Deep Logo Detection and Brand Recognition with Deep Region-based Convolutional Networks
Singapore Management University（新加坡管理大学）；Alibaba Group（阿里巴巴集团）
从图像中检测徽标有许多应用，特别是用于品牌识别和知识产权保护。现有的大多数标识识别和检测研究都是基于小规模的数据集，在探索新兴的深度学习技术时不够全面。在本文中，我们介绍了“LOGO-Net”，一个大规模的标志图像数据库的标志检测和品牌识别从现实世界的产品图像。为了便于研究，LOGO-Net有两个数据集：（i）“logo-18”由18个logo类、10个品牌和16，043个logo对象组成，（ii）“logo-160”由160个logo类、100个品牌和130，608个logo对象组成。我们描述的想法和挑战，构建这样一个大规模的数据库。这项工作的另一个关键贡献是将新兴的深度学习技术应用于徽标检测和品牌识别任务，并通过探索用于目标检测任务的几种最先进的基于深度区域的卷积网络技术来进行广泛的实验。该标识网将在http://logo-net.org/上发布
2015-11-13 cs.CV
Biometric Signature Processing & Recognition Using Radial Basis Function Network
Vidyalankar Institute of Technology（维达兰卡理工学院）
签名的自动识别是一个具有挑战性的问题，由于其在不同领域的应用，近年来受到了广泛的关注。长期以来，签名一直被用于验证和认证目的。早期的方法是手动的，但现在它们正在数字化。本文提出了一种基于径向基函数网络的签名识别方法。网络使用数据库中的样本图像进行训练。在使用它们进行训练之前执行特征提取。为了测试的目的，一幅图像进行旋转-平移-缩放校正，然后给网络。该网络成功地识别了原始图像，并为存储的数据库图像提供了正确的输出。该方法提供了约80%的识别率为200个样本。
2013-11-07 cs.CV
DGP-Net: Dense Graph Prototype Network for Few-Shot SAR Target Recognition
合成孔径雷达（SAR）图像由于其特殊的成像原理（俯角变化），不可避免地会产生特征偏差，导致识别精度不高，特别是在少样本学习（FSL）中。针对这一问题，提出了一种稠密图原型网络（DGP-Net），通过学习潜在特征来消除特征偏差，并通过学习特征分布来进行分类。原型在模型中的作用是解决FSL中由于单次抽样的偶然性而导致的同类样本之间距离过大的问题，增强模型的鲁棒性。在MSTAR数据集上的实验结果表明，DGP-Net对不同俯角的SAR图像都有较好的分类效果，其识别精度高于典型的FSL方法。
2023-02-19 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
Escape from Cells: Deep Kd-Networks for the Recognition of 3D Point Cloud Models
Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究院）
我们提出了一种新的深度学习架构（称为KD网络），该架构专为3D模型识别任务设计，并与非结构化点云一起使用。新的体系结构进行乘法变换和共享这些变换的参数，根据细分的点云强加给他们的Kd-树。与目前主流的卷积架构（通常需要在均匀的二维或三维网格上进行光栅化）不同，Kd网络不以任何方式依赖于此类网格，因此避免了不良的缩放行为。在一系列流行的形状识别基准的实验中，KD网络在一些形状识别任务中表现出有竞争力的性能，如形状分类，形状检索和形状部分分割。
2017-10-26 cs.CV
Simultaneous Implementation Features Extraction and Recognition Using C3D Network for WiFi-based Human Activity Recognition
China University of Mining and Technology（中国矿业大学）；Xuzhou University of Technology（徐州工程学院）
人体动作识别越来越受到人们的关注。人们已经开发了许多技术来表达人类行为的特征，如图像，基于信标的，和信道状态信息（CSI）。其中，CSI由于其易于装备、对光线要求不高等特点，在一些特殊的场景中得到了越来越多的关注。然而，CSI信号与人的行为之间的关系是非常复杂的，必须做一些初步的工作，使CSI特征易于理解的计算机。目前，许多工作将基于CSI的特征行为处理分为两个部分。一部分用于特征提取和降维，另一部分用于时间序列问题。有些人甚至忽略了两部分工作中的一部分。因此，目前的识别系统的准确性远远不能令人满意。本文提出了一种新的基于深度学习的方法，即C3D网络和具有注意力机制的C3D网络，用于使用CSI信号的人体动作识别。这种网络可以同时进行空间卷积和时间卷积的特征提取，通过这种网络可以同时实现基于CSI的人体动作识别的上述两个部分。整个算法结构得到简化。实验结果表明，我们提出的C3D网络是能够实现最佳的识别性能的所有活动相比，一些基准方法。
2019-11-21 cs.CV
Few-Data Guided Learning Upon End-to-End Point Cloud Network for 3D Face Recognition
Southeast University（东南大学）
3D人脸识别已经在许多应用场景中展现出了潜力。在众多的3D人脸识别方法中，基于深度学习的方法近年来蓬勃发展。本文提出了一种用于基于点云的3D人脸识别的端到端深度学习网络Sur 3dNet-Face。该网络使用PointNet作为骨干，这是一个成功的点云分类解决方案，但在人脸识别中无法正常工作。通过对网络结构的修改和基于高斯过程变形模型的少数据引导学习框架的补充，主干被成功地修改为3D人脸识别。与现有的方法在多个数据集中使用大量数据进行训练不同，我们的方法使用FRGC v2.0的Spring 2003子集进行训练，该子集仅包含943个面部扫描，并且在这样少量的真实数据的指导下，网络得到了很好的训练。在不对测试集进行微调的情况下，FRGC v2.0数据集和Bosphorus数据集的Rank-1识别率分别达到98.85%和99.33%，证明了该方法的有效性和潜力。
2021-03-31 cs.CV
Handwritten Bangla Character Recognition Using The State-of-Art Deep Convolutional Neural Networks
University of Dayton（代顿大学）；Saint Louis University（圣路易斯大学）；Comcast Labs（康卡斯特实验室）
尽管在对象识别技术的进步，手写孟加拉语字符识别（HBCR）仍然在很大程度上没有解决，由于存在许多模糊的手写字符和过于草书的孟加拉语笔迹。即使是最好的现有的识别器不导致令人满意的性能与孟加拉语字符识别的实际应用程序，并具有比那些开发的英语字母数字字符低得多的性能。为了提高HBCR的性能，本文提出了最先进的深度卷积神经网络（DCNN）的应用，包括VGG网络，全卷积网络（All-Conv Net），网络中的网络（NiN），残差网络，分形网络和密集网络HBCR。深度学习方法具有提取和使用特征信息的优点，提高了对平移、缩放和其他失真具有高度不变性的2D形状的识别。我们系统地评估了DCNN模型在公共可用的孟加拉语手写字符数据集CMATERdb上的性能，并在使用DCNN模型时实现了卓越的识别精度。这一改进将有助于构建用于实际应用的自动HBCR系统。
2018-02-10 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
PGT-Net: Progressive Guided Multi-task Neural Network for Small-area Wet Fingerprint Denoising and Recognition
National Tsing Hua University（国立清华大学）；National Formosa University（国立虎尾科技大学）；FocalTech Systems Co., Ltd.（敦泰科技股份有限公司）
针对小面积湿指纹识别困难，提出端到端PGT-Net，通过共享与多任务阶段、二值信息引导及残差缩放实现去噪增强，显著降低FRR。
2023-08-14 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
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
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
Pre-Trained Convolutional Neural Network Features for Facial Expression Recognition
University of Waterloo（滑铁卢大学）
面部表情识别一直是计算机视觉中的一个活跃领域，其应用领域包括动画，社交机器人，个性化银行等。在这项研究中，我们探索了基于ImageNet数据库训练的预训练卷积神经网络提取的特征检测面部表情的图像分类问题。提取特征并将其转移到线性支持向量机进行分类。所有的实验都是在两个公开的数据集上进行的，如JAFFE和CK+数据库。结果表明，从预先训练的网络中学习到的用于对象识别等任务的表示可以被转移，并用于面部表情识别。此外，对于小数据集，使用VGG19网络早期层的特征可以提供更好的分类精度。CK+和JAFFE数据集的准确率分别达到92.26%和92.86%。
2018-12-16 cs.CV
Siamese Network-based Lightweight Framework for Tomato Leaf Disease Recognition
Sabaragamuwa University of Sri Lanka（斯里兰卡萨伯勒格穆沃大学）
番茄叶片病害图像的自动识别是及时采取防治措施避免作物损失的关键。尽管最近基于深度学习的番茄疾病识别方法与经典训练程序显示出有希望的识别结果，但它们需要大量标记数据，并且涉及昂贵的训练。由于大量参数，为番茄病害识别提出的传统深度学习模型也消耗高内存和存储。虽然轻量级网络在一定程度上克服了其中的一些问题，但它们仍然表现出较低的性能，并且难以处理不平衡的数据。提出了一种基于暹罗网络的轻量级番茄叶部病害自动识别框架。该框架在PlantVillage数据集的番茄子集上达到了96.97%的最高准确率，在台湾番茄叶病数据集上达到了95.48%的最高准确率。实验结果进一步证实了该框架在不平衡和小数据情况下的有效性。与该框架集成的骨干深度网络是轻量级的，具有大约296.29万个可训练参数，这远远低于现有的轻量级深度网络。
2022-09-18 cs.CV
Palmprint Recognition Using Deep Scattering Convolutional Network
New York University（纽约大学）
近年来，掌纹识别技术受到了广泛的关注。在过去的掌纹识别中，已经提出了许多算法，其中大多数是基于从变换域中提取的特征。这些变换域特征中的许多不是平移或旋转不变的，因此需要大量的预处理来对齐图像。在本文中，一个强大的图像表示，称为散射网络/变换，用于掌纹识别。散射网络是一种卷积网络，其架构和滤波器是预定义的小波变换。散射网络的第一层捕获与SIFT描述符类似的特征，并且更高层的特征捕获在SIFT和其他类似描述符中丢失的信号的更高频率的内容。在提取散射特征之后，通过应用主成分分析（PCA）来降低其维数，这降低了识别任务的计算复杂性。两种不同的分类器用于识别：多类SVM和最小距离分类器。该方法在一个著名的掌纹数据库上进行了测试，使用最小距离分类器和支持向量机分别取得了99.95%和100%的准确率。
2016-03-30 cs.CV
HGR-Net: A Fusion Network for Hand Gesture Segmentation and Recognition
University of Bristol（布里斯托大学）；Shahid Beheshti University（沙希德·贝赫什提大学）
我们提出了一个两阶段的卷积神经网络（CNN）架构，用于手势的鲁棒识别，称为HGR-Net，其中第一阶段执行准确的语义分割，以确定手部区域，第二阶段识别手势。分割阶段架构基于完全卷积残差网络和空间金字塔池化的组合。虽然分割子网络是在没有深度信息的情况下训练的，但它对光照变化和复杂背景等挑战特别鲁棒。识别阶段部署了双流CNN，它通过在分类之前将它们的深度表示组合在完全连接的层中来融合来自红-绿-蓝和分割图像的信息。在公共数据集上进行的大量实验表明，我们的架构在静态手势的分割和识别方面几乎达到了最先进的性能，而训练时间、运行时间和模型大小只占一小部分。我们的方法可以以平均每帧23 ms的速度运行。
2019-12-28 cs.CV
U-Net Convolutional Network for Recognition of Vessels and Materials in Chemistry Lab
卷积网络在计算机视觉系统中得到了广泛的应用。在这些结果的鼓舞下，U-Net卷积网络被应用于使用最近的Vector-LabPics数据集识别化学实验室中的容器和材料，该数据集包含化学实验室和其他一般设置中大部分透明容器内的2187张材料图像，标记为13类。通过优化包括学习率和学习率衰减的超参数，血管识别的准确率达到87%。在训练集和测试集相对较小的情况下（相对稀有的材料状态，训练集样本数小于500，测试集样本数小于100），最佳模型的IoU综合提高了18%以上，准确率提高了19%。通过将改进的卷积网络结构纳入我们的模型，可以实现进一步的改进。
2022-11-10 cs.CV
