基于卷积神经网络的多语种车牌识别

使用深度卷积神经网络和LSTM读取汽车牌照

Reading Car License Plates Using Deep Convolutional Neural Networks and LSTMs

The University of Adelaide（阿德莱德大学）；Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）

在这项工作中，我们解决了自然场景图像中的汽车牌照检测和识别问题。受深度神经网络（DNN）在各种视觉应用中的成功启发，我们在这里利用DNN在级联框架中学习高级特征，从而提高检测和识别性能。首先，我们训练一个$37$类卷积神经网络（CNN）来检测图像中的所有字符，与传统的方法（如训练二进制文本/非文本分类器）相比，这导致了高召回率。然后通过第二板/非板CNN分类器消除假阳性。然后，基于车牌的边缘信息执行限界框细化，以提高交并比（IoU）。提出的级联框架有效地提取车牌，具有高召回率和精度。最后，我们建议将许可证字符识别为{序列标签}问题。通过训练具有长短期记忆（LSTM）的递归神经网络（RNN）来识别通过CNN从整个车牌中提取的序列特征。这种方法的主要优点是它是无分割的。通过探索上下文信息并避免由分割引起的错误，RNN方法的性能优于结合分割和深度CNN分类的基线方法;并实现了最先进的识别精度。

2016-01-21cs.CV

当分割不够时：通过多传感器深度细化语义分割纠正视觉体积不一致，用于长期护理中的食物摄入跟踪

When Segmentation is Not Enough: Rectifying Visual-Volume Discordance Through Multisensor Depth-Refined Semantic Segmentation for Food Intake Tracking in Long-Term Care

University of Waterloo（滑铁卢大学）；Waterloo AI Institute（滑铁卢人工智能研究所）；Schlegel-UW Research Institute for Aging（施莱格尔-滑铁卢衰老研究学院）；KITE-Toronto Rehabilitation Institute（多伦多康复研究所KITE）；University Health Network（大学健康网络）

营养不良是一个多领域的问题，影响54%的老年人在长期护理（LTC）。监测LTC中的营养摄入是费力和主观的，限制了临床推断能力。在自动图像为基础的食物估计的最新进展尚未在LTC设置进行评估。在这里，我们描述了一个全自动成像系统，用于量化食物摄入量。我们提出了一种新的深度卷积编码器-解码器食物网络与深度细化（EDFN-D）使用RGB-D相机量化板的剩余食物体积相对于参考部分在整个和修改纹理的食物。我们在预先标记的UNIMIB 2016食物数据集上训练和验证了网络，并在我们的两个新的LTC启发的盘子数据集（689个盘子图像，36种独特的食物）上进行了测试。EDFN-D在IOU上进行了深度细化图切割（0.879 vs. 0.887），摄入误差远低于典型的50%（平均摄入误差百分比：-4.2%）。我们确定如何标准的分割指标是不够的，由于视觉量不一致，并包括体积差异分析，以促进系统的信任。该系统提供了更高的透明度，以增强的客观性，准确性和精确度接近人类评估员，同时避免了大量的半自动方法时间要求。这可能有助于解决目前在资源有限的LTC和医院环境中自动早期营养不良检测的短期限制效用。

2021-03-31cs.CV

LPRNet：基于深度神经网络的车牌识别

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。

2018-06-27cs.CV

基于深度关注卷积神经网络的胎儿MRI皮质板自动分割

A Deep Attentive Convolutional Neural Network for Automatic Cortical Plate Segmentation in Fetal MRI

Shenzhen University（深圳大学）；Harvard University（哈佛大学）

胎儿大脑皮质板的分割是定量分析胎儿大脑发育和皮质折叠的基础。皮质板的手动分割或自动分割的手动细化是繁琐且耗时的。另一方面，皮质板的自动分割受到以下挑战：与皮质板的薄结构相比，重建的胎儿脑MRI扫描的分辨率相对较低，部分体积化，以及随着大脑在妊娠期间成熟，皮质板的形态变化范围很广。为了减少手动细化分割的负担，我们开发了一种新的强大的深度学习分割方法。我们的方法在一个完全卷积神经网络架构中利用了新的深度关注模块，该架构利用了深度监督和剩余连接。我们评估了我们的方法定量的基础上，几个性能指标和专家的评价。结果表明，我们的方法优于几种最先进的深度分割模型，以及最先进的多图谱分割技术。我们实现了平均Dice相似系数为0.87，平均Hausdorff距离为0.96 mm，平均对称表面差异为0.28 mm，对胎龄范围为16至39周的胎儿进行了MRI扫描。每个胎儿大脑的计算时间不到1分钟，我们的方法可以促进和加速对正常和改变的胎儿大脑皮层成熟和折叠的大规模研究。

2021-04-02cs.CVeess.IVq-bio.QM

基于深度学习的伊朗车牌检测与识别框架

Deep Learning Based Framework for Iranian License Plate Detection and Recognition

Qom University of Technology（库姆理工大学）

车牌识别系统在诸如收费管理、停车管理和交通管理等许多应用中具有非常重要的作用。本文提出了一种用于伊朗车牌识别的深度卷积神经网络框架。第一个CNN是YOLOv 3网络，用于检测输入图像中的伊朗车牌，而第二个CNN是Faster R-CNN，用于识别和分类检测到的车牌中的字符。本文还开发了一个由病态图像组成的伊朗车牌数据集。YOLOv 3网络实现了99.6%的mAP，98.26%的召回率，98.08%的准确率，平均检测速度仅为23 ms。此外，Faster R-CNN网络在开发的数据集上进行了训练和测试，并实现了98.97%的召回率，99.9%的准确率和98.8%的准确率。所提出的系统可以识别车牌在具有挑战性的情况下，如不需要的数据上的车牌。与其他伊朗车牌识别系统的比较表明，该系统具有速度快、精度高、可在开放环境下工作等优点。

2022-01-18cs.CV

基于神经网络的车牌自动识别

Neural Signatures for Licence Plate Re-identification

Conduent Labs（康杜恩特实验室）；University of Wisconsin-Madison（威斯康星大学麦迪逊分校）；Palo Alto Research Centre（帕洛阿尔托研究中心）

车牌重识别问题通常被认为是一个一次性的图像检索问题。这个任务的目标是学习车牌的特征表示（称为“签名”）。输入的牌照图像被转换为签名，并通过距离测量与先前收集的模板数据库相匹配。然后，输入图像被识别为其签名与输入签名“最接近”的模板。对于我们的问题，模板数据库被限制为每个唯一的车牌只包含一个签名。我们在这项任务中测量了从人脸识别中改编的基于深度卷积网络的特征的性能。此外，我们还测试了一种混合方法，该方法将Fisher向量与基于神经网络的嵌入相结合，称为“f2nn”，使用Triplet损失函数进行训练。我们发现，混合的方法执行的同时提供计算的好处。由混合方法生成的签名也表现出更高的泛化能力，更不相似的训练语料库的数据集。

2017-12-01cs.CV

对抗性生成训练样本：在运动车辆牌照识别中的应用

Adversarial Generation of Training Examples: Applications to Moving Vehicle License Plate Recognition

College of Electronic and Information Engineering, Tongji University（同济大学电子与信息工程学院）；School of Computer Science, The University of Adelaide（阿德莱德大学计算机科学学院）

生成对抗网络（GAN）最近吸引了很多研究关注，导致自然图像生成令人印象深刻的结果。然而，迄今为止，在使用GAN生成的图像来改进分类任务方面几乎没有观察到成功。在这里，我们试图探索，在汽车牌照识别的背景下，是否有可能使用GAN生成合成训练数据，以提高识别精度。通过精心设计的管道，我们表明答案是肯定的。首先，使用GAN的生成器生成大规模图像集，而无需手动注释。然后，这些图像被输入到深度卷积神经网络（DCNN），然后输入到具有长短期记忆（LSTM）的双向循环神经网络（BRNN），执行特征学习和序列标记。最后，预训练的模型在真实图像上进行微调。我们在几个数据集上的实验结果证明了使用GAN图像的有效性：在中等大小的真实数据可用的情况下，比强基线提高了7.5%。我们表明，该框架实现了具有挑战性的测试数据集上的竞争力的识别精度。我们还利用独立卷积来构建一个轻量级的卷积RNN，它的大小约为一半，CPU速度快2倍。结合这个框架和建议的管道，我们在移动和嵌入式设备上进行准确的识别方面取得了进展。

2017-11-10cs.CV

基于深度形变网络的目标标志点定位

Deep Deformation Network for Object Landmark Localization

NEC Laboratories America（NEC美国实验室）

我们提出了一种新的级联框架，即深度变形网络（DDN），用于定位非刚性物体中的地标。DDN的特点是它在卷积神经网络（CNN）框架内结合了几何约束，训练的简便性和效率，以及应用的通用性。一种新的形状基础网络（SBN）形成级联的第一级，从而通过结合CNN特征和学习的形状基础的优点来初始化地标，以降低高度非线性姿态流形的复杂性。在第二阶段，点Transformer网络（PTN）估计局部变形参数化为薄板样条变换的更精细的细化。我们的框架既不包含手工制作的功能，也不包含部件连接，这使得在训练和测试期间都可以实现端到端的形状预测管道。与之前的级联网络的地标定位，学习从特征空间到地标位置的映射，我们证明了通过几何先验在DDN诱导的正则化，使它更容易训练，但产生优越的结果。该架构的有效性和通用性是通过对多个任务（如面部标志定位，人体姿态估计和鸟类部分定位）的几个基准测试的最新性能来证明的。

2016-07-24cs.CV

采用可靠深度学习方法的伊朗车牌识别

Iranian License Plate Recognition Using a Reliable Deep Learning Approach

Tarbiat Modares University（塔比亚特·莫达雷斯大学）

针对伊朗车牌识别受环境等因素干扰的难题，提出两阶段深度学习方法，用YOLOv4-tiny检测车牌、CRNN结合CTC识别字符，无需单独分割标注字符，制备对应数据集支撑方法实现。

2023-05-03cs.CVcs.LG

CNN用于车牌运动去模糊

CNN for License Plate Motion Deblurring

Brno University of Technology（布尔诺理工大学）

在这项工作中，我们探讨了以前提出的直接盲反卷积和去噪的方法与卷积神经网络的模糊内核部分约束的情况下。我们专注于模糊图像从现实生活中的交通监控系统，我们，第一次，证明了神经网络训练人工数据提供优越的重建质量的真实图像相比，传统的盲反卷积方法。训练数据很容易通过使用预期模糊核的非常粗略的近似来模糊来自目标系统的清晰照片来获得，从而允许针对特定应用（图像内容和模糊范围）训练自定义CNN。此外，我们还评估了CNN在模糊方向范围和长度方面的行为和限制。

2016-02-25cs.CV

丰富的特征层次结构，可实现精确的目标检测和语义分割

Rich feature hierarchies for accurate object detection and semantic segmentation

UC Berkeley（加州大学伯克利分校）

目标检测性能，如在规范PASCAL VOC数据集上测量的，在过去几年中已经趋于稳定。性能最好的方法是复杂的集成系统，通常将多个低级图像特征与高级上下文相结合。在本文中，我们提出了一种简单且可扩展的检测算法，相对于VOC 2012上以前的最佳结果，该算法将平均精度（mAP）提高了30%以上-达到了53.3%的mAP。我们的方法结合了两个关键见解：（1）可以将高容量卷积神经网络（CNN）应用于自下而上的区域建议，以定位和分割对象;（2）当标记的训练数据稀缺时，对辅助任务进行监督预训练，然后进行特定于域的微调，产生显着的性能提升。由于我们将区域建议与CNN相结合，我们称我们的方法为R-CNN：具有CNN特征的区域。我们还将R-CNN与最近提出的基于类似CNN架构的滑动窗口检测器OverFeat进行了比较。我们发现R-CNN在200类ILSVRC 2013检测数据集上的表现远远优于OverFeat。完整系统的源代码可在http://www.cs.berkeley.edu/~rbg/rcnn上获得。

2014-10-22cs.CV

CE-Dedup：基于图像训练的低成本卷积神经网络

CE-Dedup: Cost-Effective Convolutional Neural Nets Training based on Image Deduplication

McGill University（麦吉尔大学）

由于越来越多的大型图像数据集，卷积神经网络（CNN）已成为流行的基于视觉的任务。通常，拥有更大规模的数据集以获得更高的网络训练精度是令人钦佩的。然而，数据集质量的影响并不涉及。假设数据集中存在近似重复的图像是合理的。例如，街景门牌号（SVHN）数据集具有从0到9的裁剪门牌数字，可能具有来自相同/相似门牌的重复数字。冗余图像可能会在没有意识的情况下占据数据集的某一部分。虽然对CNN训练的准确性几乎没有贡献，但这些重复的图像不必要地造成额外的资源和计算消耗。为此，本文提出了一个框架来评估近似重复图像对CNN训练性能的影响，称为CE-Dedup。具体而言，CE-Dedup将基于散列的图像去重方法与下游基于CNN的图像分类任务相关联。CE-Dedup通过调整重复数据删除阈值来平衡大重复数据删除率和稳定准确性之间的权衡。CE-Dedup的有效性通过在知名的CNN基准上的大量实验进行了验证。一方面，在保持相同的验证精度的同时，CE-Dedup可以将数据集大小减少23%。另一方面，当允许较小的验证精度下降（5%）时，CE-Dedup可以将数据集大小削减75%。

2021-08-23cs.CV

斑点规避攻击：基于卷积神经网络的车牌识别系统对抗性实例

Spot Evasion Attacks: Adversarial Examples for License Plate Recognition Systems with Convolutional Neural Networks

School of Big-Data Science, Zhejiang University of Science and Technology（浙江科技大学大数据学院）；Network and Information Security Laboratory of Hangzhou Hikvision Digital Technology Co., Ltd.（杭州海康威视数字技术股份有限公司网络与信息安全实验室）；College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；School of Information and Electronic Engineering, Zhejiang University of Science and Technology（浙江科技大学信息与电子工程学院）

最近的研究表明，用于图像识别的卷积神经网络（CNN）很容易受到精心操纵的对抗性示例的逃避攻击。以前的工作主要集中在如何生成接近源图像的对抗性示例，通过将像素级扰动引入图像的整个或特定部分。在本文中，我们提出了一种在车牌识别（LPR）背景下对CNN分类器的规避攻击，该攻击对车牌图像的特定区域添加预定的扰动，模拟某种自然形成的斑点（如污泥等）。因此，该问题被建模为一个优化过程，寻找最佳的扰动位置，这是不同于以往的工作，考虑像素值作为决策变量。请注意，这是一个复杂的非线性优化问题，我们使用基于遗传算法的方法来获得最佳扰动位置。在实验中，我们使用所提出的算法生成各种形式的对抗性的例子，矩形，圆形，椭圆形和斑点集群。实验结果表明，这些对抗性样本几乎被人眼忽略，但可以欺骗HyperLPR，攻击成功率高达93%以上。因此，我们认为这种现场规避攻击将对当前LPR系统构成极大威胁，需要安全界进一步研究。

2019-11-28cs.CVcs.LGeess.IV

Vehicle-Rear：一种探索基于卷积神经网络的车辆识别特征融合的新数据集

Vehicle-Rear: A New Dataset to Explore Feature Fusion for Vehicle Identification Using Convolutional Neural Networks

[-15pt]1 Federal University of Technology - Paran\' a , Curitiba, Brazil 2 Federal University of Paran\'a, Curitiba, Brazil [0.5ex]

这项工作解决了通过非重叠摄像机识别车辆的问题。作为我们的主要贡献，我们引入了一个用于车辆识别的新型数据集，称为Vehicle-Rear，其中包含超过三个小时的高分辨率视频，以及近3，000辆汽车的制造，型号，颜色和年份的准确信息，以及车牌的位置和识别。为了探索我们的数据集，我们设计了一个双流CNN，它同时使用两个最独特和持久的特征：车辆的外观和车牌。这是为了解决一个主要问题：由设计相似的车辆或非常接近的车牌识别器引起的误报。在第一个网络流中，形状相似性由连体CNN识别，该连体CNN使用由两个不同摄像机记录的一对低分辨率车辆补丁。在第二个流中，我们使用CNN进行OCR，以从一对高分辨率车牌补丁中提取文本信息、置信度得分和字符串相似性。然后，来自两个流的特征通过一系列完全连接的层进行合并以进行决策。在我们的实验中，我们使用单个或多个车辆特征将双流网络与几种知名的CNN架构进行了比较。架构，训练模型和数据集可在https://github.com/icarofua/vehicle-rear上公开获得。

2021-07-25cs.CVcs.LG

面向无约束场景的端到端车牌定位与识别

Towards End-to-end Car License Plate Location and Recognition in Unconstrained Scenarios

AInnovation Technology Co., Ltd.（创新奇智科技有限公司）；Nanjing University of Posts and Telecommunications（南京邮电大学）

得益于卷积神经网络的快速发展，车牌检测与识别的性能得到了很大的提高。然而，大多数现有的方法分别解决检测和识别问题，并专注于特定的场景，这阻碍了部署到现实世界的应用。为了克服这些挑战，我们提出了一个有效和准确的框架，同时解决车牌检测和识别任务。它是一个轻量级和统一的深度神经网络，可以端到端优化并实时工作。针对无约束场景，采用无锚点方法有效检测车牌的限界框和四个角点，并利用它们提取和校正目标区域特征.然后，设计了一个新的卷积神经网络分支，进一步提取字符的特征，而无需分割。最后，识别任务被视为序列标记问题，这是解决连接主义时间分类（CTC）直接。选择了几个公共数据集，包括在各种条件下从不同场景收集的图像进行评估。实验结果表明，该方法在速度和精度上都明显优于现有的方法。

2022-07-11cs.AIcs.CVcs.LG

Chaurah：一种基于树莓派的智能停车系统

Chaurah: A Smart Raspberry Pi based Parking System

Odisha University of Technology and Research（奥迪沙技术与研究大学）

本文提出Chaurah，一种基于树莓派3的低成本自动车牌识别（ANPR）停车系统，采用双阶段CNN进行车牌检测与OCR识别，并搭配Flutter和Firebase应用实现数据库管理和计时计费。

2023-12-28cs.CV

基于卷积神经网络模型的FISH和nanoSIMS图像多模态配准

Multimodal registration of FISH and nanoSIMS images using convolutional neural network models

University of Georgia（佐治亚大学）；Emory University School of Medicine（埃默里大学医学院）

纳米二次离子质谱（nanoSIMS）和荧光原位杂交（FISH）显微镜分别为微生物学研究中的目标微生物群落的身份和细胞活性提供了高分辨率、多模式的图像表示。尽管对微生物学家很重要，但FISH和nanoSIMS图像的多模式配准具有挑战性，因为这两种图像中都存在形态失真和背景噪声。在这项研究中，我们使用卷积神经网络（CNN）进行多尺度特征提取，形状上下文用于计算最小变换成本特征匹配和薄板样条（TPS）模型用于FISH和nanoSIMS图像的多模态配准。使用标准度量在像素和结构水平上对手动配准的图像进行配准准确度定量评估。尽管所有六个测试的CNN模型都表现良好，但根据大多数指标，ResNet18的表现优于VGG16，VGG19，GoogLeNet和ShuffleNet以及ResNet101。这项研究证明了CNN在具有显著背景噪声和形态失真的多模态图像配准中的实用性。我们还显示了通过二值化保留的聚集体形状，这是用于注册多模态微生物相关图像的强大功能。

2022-04-05cs.CV

基于卷积神经网络的精确、高效、无约束文本识别

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。

2018-12-31cs.CV

基于深度残差学习的车牌拍卖价格预测

Predicting Auction Price of Vehicle License Plate with Deep Residual Learning

The Chinese University of Hong Kong（香港中文大学）

由于迷信，具有理想字符组合的车牌在中国受到高度追捧，在政府举行的拍卖会上，价格可以达到数百万美元。尽管涉及的风险很高，但基本上没有试图提供车牌的价格估计。我们提出了一个端到端的神经网络模型，同时预测拍卖价格，给出价格的分布，并产生潜在的特征向量。虽然我们考虑的两种类型的神经网络架构都优于更简单的机器学习方法，但卷积网络在训练时间或模型复杂度方面优于递归网络。由此产生的模型为我们的在线价格估计器和搜索引擎提供动力。

2019-10-08cs.CVcs.LGecon.GN

SNIDER：提高车牌识别率的单幅噪声图像去噪与校正

SNIDER: Single Noisy Image Denoising and Rectification for Improving License Plate Recognition

Gwangju Institute of Science and Technology (GIST)（光州科学技术院）

在本文中，我们提出了一种算法，用于现实世界的车牌识别（LPR）从一个低质量的图像。我们的方法是建立在一个框架，包括去噪和整流，每个任务是由卷积神经网络进行。在以前的研究中，现有的去噪和校正被单独视为一个网络。与以前的工作相比，我们在这里提出了一个用于图像恢复的端到端可训练网络，即单噪声图像去噪和校正（SNIDER），它专注于共同解决这两个问题。它通过设计一种新的网络来解决去噪和校正问题，从而克服了这些障碍。此外，我们提出了一种利用辅助任务进行优化的方法，用于多任务拟合和新的训练损失。在两个具有挑战性的LPR数据集上进行的大量实验证明了该方法在从低质量图像中恢复高质量车牌图像方面的有效性，并表明该方法优于其他最先进的方法。

2019-10-09cs.CVcs.LG

基于深度卷积神经网络的机器人抓取检测

Robotic Grasp Detection using Deep Convolutional Neural Networks

Xerox Corporation（施乐公司）；Rochester Institute of Technology（罗切斯特理工学院）

深度学习显著推进了计算机视觉和自然语言处理。虽然在机器人技术中使用深度学习已经取得了一些成功，但它还没有被广泛采用。在本文中，我们提出了一种新的机器人把握检测系统，预测最佳的平行板的机器人夹具的新对象使用的RGB-D图像的场景的抓取姿势。该模型使用深度卷积神经网络从场景中提取特征，然后使用浅层卷积神经网络预测感兴趣对象的抓取配置。我们的多模态模型在标准Cornell Grasp数据集上实现了89.21%的准确度，并以实时速度运行。这重新定义了机器人抓取检测的最新技术水平。

2017-07-21cs.CVcs.RO

PanoTPS-Net：基于薄板样条变换的全景房间布局估计

PanoTPS-Net: Panoramic Room Layout Estimation via Thin Plate Spline Transformation

Department of Computer Science, Toronto Metropolitan University（计算机科学系，多伦多 Metropolitan 大学）；Department of Electrical Engineering, Faculty of Engineering, Assiut University（电气工程系，工程学院，阿西乌特大学）

提出PanoTPS-Net，利用CNN提取特征并借助薄板样条变换，从全景图像估计房间布局，在多个数据集上取得高3DIoU，有效处理长方体与非长方体布局。

2025-10-13cs.AIcs.CV

带定向锚箱的全卷积抓取检测网络

Fully Convolutional Grasp Detection Network with Oriented Anchor Box

Xi’an Jiaotong University（西安交通大学）

在本文中，我们提出了一个实时的方法来预测多个抓取位姿的平行板机器人抓手使用RGB图像。提出了一种具有定向锚箱机制的模型，并在训练过程中采用了一种新的匹配策略。在我们的工作中采用了一个端到端的完全卷积神经网络。该网络由两部分组成：特征提取器和多抓取预测器。特征提取器是深度卷积神经网络。多抓取预测器从预定义的定向矩形（称为定向锚盒）回归抓取矩形，并将矩形分类为可抓取和不可抓取。在标准Cornell Grasp数据集上，我们的模型在图像分割和对象分割上分别达到了97.74%和96.61%的准确率，并且在图像分割上比最新的最先进方法高出1.74%，在对象分割上高出0.51%。

2018-03-06cs.CVcs.RO

用于车牌检测与识别的DELP-DAR系统

DELP-DAR System for License Plate Detection and Recognition

University of Sfax（斯法克斯大学）；Indian Statistical Institute（印度统计研究所）

车牌自动检测与识别是计算机视觉、图像处理和智能交通系统等领域的一个十分热门和活跃的研究课题。ALPR用于使检测和识别过程在高度复杂的环境和背景中更加鲁棒和高效。由于一些限制因素，如：国家编号系统的完整性，不同的颜色，各种语言，多种尺寸和不同的字体，仍然需要进行一些研究调查。为此，本文提出了一个自动框架，车牌（LP）检测和识别复杂的场景。我们的框架是基于掩模区域卷积神经网络用于LP检测，分割和识别。虽然一些研究集中在LP检测，LP识别，LP分割或其中两个，我们的研究使用maskr-cnn在这三个阶段。我们的框架的评估得到了不同国家的四个数据集的加强，因此具有各种语言。事实上，它测试了四个数据集，包括在多种条件下从多个场景捕获的图像，例如不同的方向，质量差的图像，模糊的图像和复杂的环境背景。大量的实验表明，我们建议的框架在所有数据集的鲁棒性和效率。

2019-10-04cs.CVcs.LG

基于3D可扩展量子卷积神经网络的点云数据分类处理

3D Scalable Quantum Convolutional Neural Networks for Point Cloud Data Processing in Classification Applications

Korea University（高丽大学）

随着噪声中尺度量子（NISQ）时代的开始，量子神经网络（QNN）最近出现，作为经典神经网络无法解决的几个特定问题的解决方案。此外，量子卷积神经网络（QCNN）是CNN的量子版本，因为它可以处理与QNN相反的高维向量输入。然而，由于量子计算的性质，由于贫瘠的高原，很难扩大QCNN以提取足够数量的特征。受此启发，提出了一种新的3D可扩展QCNN（sQCNN-3D）用于分类应用中的点云数据处理。此外，在sQCNN-3D之上还考虑了反向保真度训练（RF-Train），以使用量子计算的保真度，利用有限数量的量子位使特征多样化。我们的数据密集型性能评估验证了所提出的算法达到预期的性能。

2022-10-18cs.CVquant-ph

用于几何匹配的卷积神经网络结构

Convolutional neural network architecture for geometric matching

École normale supérieure（巴黎高等师范学院）；CNRS（法国国家科学研究中心）；PSL Research University（巴黎文理研究大学）；Czech Technical University in Prague（布拉格捷克理工大学）；DeepMind；INRIA（法国国家信息与自动化研究所）

我们解决的问题，确定两个图像之间的对应关系与几何模型，如仿射或薄板样条变换，并估计其参数。这项工作的贡献是三方面的。首先，我们提出了一个卷积神经网络架构的几何匹配。该架构基于三个主要组件，这些组件模拟特征提取、匹配和同时内点检测和模型参数估计的标准步骤，同时可端到端训练。其次，我们证明了可以从合成生成的图像中训练网络参数，而不需要手动注释，并且我们的匹配层显着提高了泛化能力，使其能够在前像中从未见过。最后，我们证明了相同的模型可以执行实例级和类别级匹配，在具有挑战性的Proposal Flow数据集上提供最先进的结果。

2017-04-13cs.CVcs.LG

CBAM-STN-TPS-YOLO：通过空间自适应注意力机制增强农业目标检测

CBAM-STN-TPS-YOLO: Enhancing Agricultural Object Detection through Spatially Adaptive Attention Mechanisms

1 Department of Computer Science；Engineering, Texas A\&M University, College Station, TX, USA 2 Department of Statistics, Texas A\&M University, College Station, TX, USA satvikpraveen\；2 Department of Statistics, Texas A\&M University, College Station, TX, USA satvikpraveen\

针对农业场景中的遮挡与非刚性形变问题，提出融合TPS空间变换与CBAM注意力的CBAM-STN-TPS-YOLO，在PGP数据集上提升检测精度并降低误报。

2025-06-09cs.CVcs.LG

使用对比学习的语义空间从Allen参考图谱中识别部分小鼠脑显微镜图像

Identifying partial mouse brain microscopy images from Allen reference atlas using a contrastively learned semantic space

University of Copenhagen（哥本哈根大学）

当小鼠大脑中的解剖结构被配准到参考图谱时，小鼠大脑显微镜图像的精确识别是至关重要的第一步。从业者通常依赖于图像的手动比较或假设存在完整图像的工具。这项工作探讨了暹罗网络的方法，找到相应的二维参考图谱板给定的部分二维小鼠大脑图像。连体网络是一类卷积神经网络（CNN），其使用权重共享路径来获得输入图像对的低维嵌入。基于使用对比学习从Siamese网络获得的脑切片和图谱板的低维嵌入之间的距离来确定部分小鼠脑图像和参考图谱板之间的对应关系。实验表明，当训练和测试图像来自同一来源时，Siamese CNN可以使用Allen小鼠大脑图谱精确识别大脑切片。他们分别取得了TOP-1和TOP-5的25%和100%的准确率，仅用了7.2秒就识别出了29张图片。

2022-07-21cs.CVcs.LGstat.ML

TE-YOLOF：用于血细胞检测的小巧高效的YOLOF

TE-YOLOF: Tiny and efficient YOLOF for blood cell detection

Southwest Minzu University（西南民族大学）；West China Biomedical Big Data Center（华西生物医学大数据中心）

显微图像中的血细胞检测是医学图像处理研究的一个重要分支。由于基于手动检查血细胞的疾病检测耗时且充满错误，因此使用具有深度卷积神经网络的对象检测器来检测血细胞可以被视为可行的解决方案。在这项工作中，基于YOLOF的对象检测器已经被提出来检测血细胞对象，如红细胞，白细胞和血小板。这个目标检测器被称为TE-YOLOF，Tiny and Efficient YOLOF，它是一个使用膨胀编码器从单级特征图中提取信息的一级检测器。为了提高效率和灵活性，EfficientNet卷积神经网络被用作所提出的对象检测器的骨干。此外，还采用了相关可分离卷积来提高网络的性能，并使网络参数最小化。此外，还采用了Mish激活函数来提高识别精度。在BCCD数据集上的大量实验证明了该模型的有效性，该模型比其他现有的血细胞检测研究更有效。

2021-08-27cs.AIcs.CV

基于深度模型的航空影像场景分类的最新进展和机遇

Recent advances and opportunities in scene classification of aerial images with deep models

Wuhan University（武汉大学）

场景分类是遥感图像解译的基础性工作，因其在广泛应用中的重要作用而成为遥感界的研究热点。在过去的几年里，人们为开发遥感图像场景分类的强大方法做出了巨大的努力，从传统的视觉词袋模型发展到新一代的深度卷积神经网络（CNN）。基于深度CNN的方法在性能上表现出了显着的突破，大大优于以前强烈依赖手工特征的方法。然而，深度CNN的性能在现有的公共场景数据集上逐渐趋于稳定，这是由于这些数据集的显著缺点，例如训练样本的规模小和多样性低。因此，为了促进新方法的发展，使场景分类任务更进一步，我们深入探讨了场景分类任务中存在的问题，并相应地提出了三个开放的方向。我们相信这些潜在的方向将对该领域的研究人员具有指导意义。

2018-06-04cs.CV

通过二维卷积神经网络和肺部CT扫描进行磨玻璃影的严重程度分类：为期3天的探索

Severity classification of ground-glass opacity via 2-D convolutional neural network and lung CT scans: a 3-day exploration

本研究在3天内构建并测试了基于2D CNN的肺部CT磨玻璃影严重程度分类框架，通过微调DenseNet、ResNet等模型并使用ADAM优化，发现部分2D CNN性能可与ResNet结合RNN的架构相媲美。

2023-03-31cs.CVcs.LGeess.IV

BloodCell-Net：一种用于人体全部显微镜血细胞图像分类的轻量级卷积神经网络

BloodCell-Net: A lightweight convolutional neural network for the classification of all microscopic blood cell images of the human body

Khulna University of Engineering and Technology（库尔纳工程技术大学）；Bangladesh Atomic Energy Regulatory Authority（孟加拉国原子能监管局）；Zarqa University（扎尔卡大学）；Northumbria University（诺森比亚大学）；Bangabandhu Sheikh Mujibur Rahman Science and Technology University（班加班杜谢赫穆吉布尔·拉赫曼科技大学）；Northern Border University（北方边境大学）

针对人工血细胞分类耗时易错的问题，提出基于U-Net分割和分水岭分离、结合轻量级CNN的BloodCell-Net，实现九类血细胞分类，准确率达97.10%。

2024-04-01cs.AIcs.CVeess.IV

欺骗自动监控摄像头：攻击人员检测的对抗补丁

Fooling automated surveillance cameras: adversarial patches to attack person detection

KU Leuven（鲁汶大学）

在过去的几年里，对机器学习模型的对抗攻击引起了越来越多的关注。通过对卷积神经网络的输入进行细微的改变，网络的输出可以被改变以输出完全不同的结果。第一次攻击通过稍微改变输入图像的像素值来欺骗分类器输出错误的类。其他方法试图学习可以应用于对象的“补丁”来欺骗检测器和分类器。其中一些方法也表明，这些攻击在现实世界中是可行的，即通过修改对象并用摄像机拍摄。然而，所有这些方法都针对几乎不包含类内变化（例如停止标志）的类。然后使用对象的已知结构在其上生成对抗补丁。在本文中，我们提出了一种针对具有大量类内变化的目标（即人）生成对抗补丁的方法。我们的目标是生成一个补丁，能够成功地隐藏一个人从人检测器。例如，这种攻击可以恶意地用来绕过监控系统，入侵者可以通过在身体前面拿着一个小纸板板瞄准监控摄像头而不被发现。从我们的结果可以看出，我们的系统能够显着降低人员检测器的准确性。我们的方法在现实生活中的场景中也能很好地工作，其中补丁是由相机拍摄的。据我们所知，我们是第一个尝试对具有高水平类内多样性的目标进行这种攻击的人。

2019-04-18cs.CV

潜在图像流形的数据表示研究

Data Representations' Study of Latent Image Manifolds

Ben-Gurion University of the Negev（内盖夫本-古里安大学）

本研究通过分析图像流形曲率在卷积神经网络各层的分布，发现其与泛化能力相关，并指出潜在维度不决定曲率，mixup等正则化方法可产生更平坦的表示。

2023-11-16cs.CVcs.LG

ABCD：通过注意力引导的改进型 YOLOX 实现自动血细胞检测

ABCD: Automatic Blood Cell Detection via Attention-Guided Improved YOLOX

University of Electronics Science and Technology of China（电子科技大学）；Chengdu University of Technology（成都理工大学）

本文提出 ABCD，通过在 YOLOX 中加入 CBAM、ASFF 并采用 CIOU 损失，提升血细胞检测精度与速度，在 BCCD 上显著优于基线。

2025-07-25cs.CV