A Discriminative Single-Shot Segmentation Network for Visual Object Tracking
University of Ljubljana（卢布尔雅那大学）；Czech Technical University in Prague（布拉格捷克理工大学）
基于模板的判别式跟踪器由于其鲁棒性而成为当前占主导地位的跟踪范例，但其局限于限界框跟踪和有限范围的变换模型，这降低了其定位精度。本文提出了一种判别式单镜头分割跟踪器D3 S2，它缩小了视觉对象跟踪和视频对象分割之间的差距。单发网络应用两个具有互补几何特性的目标模型，一个对广泛的变换（包括非刚性变形）不变，另一个假设刚性对象同时实现鲁棒的在线目标分割。通过解耦对象和特征尺度估计，进一步增加了整体跟踪可靠性。在没有对每个数据集进行微调的情况下，D3 S2仅针对分割作为主要输出进行训练，在最近的短期跟踪基准测试VOT 2020上的表现优于所有已发布的跟踪器，并且在GOT-10 k、TrackingNet、OTB 100和LaSoT上的表现非常接近最先进的跟踪器。D3 S2在视频对象分割基准测试中的表现优于领先的分割跟踪器SiamMask，并与顶级视频对象分割算法不相上下。
2021-12-27 cs.CV
Latent Embedding Feedback and Discriminative Features for Zero-Shot Classification
University of Amsterdam（阿姆斯特丹大学）；Mohamed Bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Inception Institute of Artificial Intelligence（起源人工智能研究院）
零样本学习致力于对在训练期间没有数据可用的看不见的类别进行分类。在广义变体中，测试样本还可以属于可见或不可见类别。最先进的技术依赖于生成对抗网络，该网络通过利用特定于类的语义嵌入来合成看不见的类特征。在训练过程中，它们生成语义一致的特征，但在特征合成和分类过程中丢弃此约束。我们建议在（广义）零样本学习的所有阶段（训练、特征合成和分类）执行语义一致性。我们首先引入一个反馈循环，从语义嵌入解码器，迭代地细化生成的功能在训练和功能合成阶段。然后，将合成的特征与来自解码器的其对应的潜在嵌入一起转换为判别特征，并在分类期间利用以减少类别之间的歧义。对（广义）zero-shot对象和动作分类的实验揭示了语义一致性和迭代反馈的好处，在六个零样本学习基准上优于现有方法。源代码在https://github.com/akshitac8/tfvaegan。
2020-07-18 cs.CV
From Anchor Generation to Distribution Alignment: Learning a Discriminative Embedding Space for Zero-Shot Recognition
Beijing Jiaotong University（北京交通大学）；National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室）
在零样本学习（Zero-shot learning，简称ZRL）中，通常将待分类样本投影到属性等边信息模板中。然而，模板的不规则分布使得分类结果混乱。为了缓解这个问题，我们提出了一个新的框架，称为判别锚生成和分布对齐模型（DAGDA）。首先，为了纠正原始模板的分布，提出了一种基于扩散的图卷积网络，它可以显式地建模类和边信息之间的相互作用，产生判别锚。其次，为了进一步将样本与锚空间中相应的锚对齐，以细粒度的方式细化分布，我们在锚空间中引入了语义关系正则化。遵循归纳学习的方式，我们的方法优于一些现有的最先进的方法，在几个基准数据集上，对于传统的以及广义的学习设置。同时，烧蚀实验有力地证明了每个组件的有效性。
2020-02-10 cs.CV
Attributes2Classname: A discriminative model for attribute-based unsupervised zero-shot learning
HAVELSAN Inc.（HAVELSAN 公司）；Bilkent University（比尔肯特大学）；Hacettepe University（哈杰特佩大学）
我们提出了一种新的方法，无监督的零样本学习（ZML）的类的基础上，他们的名字。大多数现有的无监督的CPDL方法旨在学习用于直接比较图像特征和类名的模型。然而，这被证明是一个困难的任务，由于非视觉语义的主导地位，在底层向量空间嵌入的类名。为了解决这个问题，我们有区别地学习一个单词表示，使得类和属性名称组合之间的相似性与视觉相似性一致。与传统的基于属性存在的零样本学习方法相反，我们的方法绕过了费力的属性-类关系注释。此外，我们提出的方法使纯文本训练成为可能，因此，可以在不需要收集额外图像数据的情况下增强训练。实验结果表明，我们的方法在三个基准数据集上获得了最先进的结果。
2017-08-05 cs.CV
Learning More Discriminative Local Descriptors for Few-shot Learning
University of Electronic Science and Technology of China（电子科技大学）
本文提出判别性局部描述符注意力模型，无需额外参数即可自适应选择代表性局部描述符，并改进k-NN分类权重，在四个基准数据集上取得更高准确率且对k值更稳健。
2023-05-15 cs.CV
CAD: Co-Adapting Discriminative Features for Improved Few-Shot Classification
DGIST（大邱庆北科学技术院）
Few-Shot分类是一个具有挑战性的问题，其目的是学习一个模型，该模型可以适应给定的一些标记样本的不可见类。最近的方法预先训练特征提取器，然后针对情景元学习进行微调。其他方法利用空间特征来学习像素级对应，同时联合训练分类器。然而，使用这些方法的结果显示出边际改进。在本文中，受Transformer风格的自注意力机制的启发，我们提出了一种策略，交叉参加和重新加权区分特征的Few-Shot分类。给定全局池化后支持和查询图像的基本表示，我们引入了一个共享模块，该模块在两个方面投影特征和交叉参与：（i）查询到支持，以及（ii）支持到查询。该模块计算特征之间的注意力分数，以产生同一类中的特征的注意力池表示，该表示稍后被添加到原始表示中，随后是投影头。这有效地在两个方面（i和ii）中重新加权特征，以产生更好地促进改进的基于度量的元学习的特征。在公共基准上的大量实验表明，该方法比现有方法的性能高3%~ 5%。
2022-03-25 cs.CV
Discriminative Image Generation with Diffusion Models for Zero-Shot Learning
Huazhong University of Science and Technology（华中科技大学）；Zhejiang University（浙江大学）；Mohamed bin Zayed University of AI（穆罕默德·本·扎耶德人工智能大学）；Australian National University（澳大利亚国立大学）；Linköping University（林雪平大学）
本文提出DIG-ZSL框架，通过预训练类别判别模型学习判别式类别令牌，并利用扩散模型为未见类别生成多样且高质量的图像，从而在零样本学习中显著超越基于非人类标注语义原型的方法。
2024-12-25 cs.CV
Learning Discriminative Representations for Multi-Label Image Recognition
UNSW Canberra（新南威尔士大学堪培拉分校）；University of Canberra（堪培拉大学）；IIAT
多标签识别是计算机视觉中的一个基本问题，也是一个具有挑战性的课题。最近，深度学习模型在从输入图像中学习区分特征方面取得了很大进展。然而，传统的方法是无法建模的多标签图像中的特征之间的类间差异，因为它们被设计为图像级的特征歧视。在本文中，我们提出了一个统一的深度网络来学习多标签任务的区分特征。给定一幅多标签图像，该方法首先对不同类别的特征进行分类。然后，它通过增加类间距离，同时减少输出空间中的类内差异来区分这些类。通过用提出的损失正则化整个网络，应用著名的ResNet-101的性能得到了显着提高。在COCO-2014、VOC 2007和VOC 2012数据集上进行了大量的实验，实验结果表明，该方法在大规模COCO数据集上的性能优于现有方法3：5%。此外，对判别式特征学习方法的分析表明，它可以作为一个通用模块插入到各种类型的多标签方法中。
2021-07-23 cs.CV
Beyond Normal References: Discriminative Few-Shot Anomaly Detection
Singapore Management University, Singapore（新加坡国立管理学院）；University of Wollongong, Australia（沃林戈大学）
提出IDEAL框架，通过内在偏差学习同时利用正常和异常参考，抑制正常变化并提取判别性偏差向量，实现少样本异常检测的泛化。
2026-10-01 cs.CV
Few-shot Medical Image Segmentation using a Global Correlation Network with Discriminative Embedding
Xiamen University（厦门大学）；Chinese PLA General Hospital（中国人民解放军总医院）；Deepwise AI Laboratory（深智云AI实验室）
尽管深度卷积神经网络在医学图像计算和分析方面取得了令人印象深刻的进展，但其监督学习的范式需要大量的注释进行训练，以避免过度拟合并获得有希望的结果。在临床实践中，大量的语义标注在某些需要专业生物医学专家知识的情况下是难以获得的，并且它也是一种常见的情况，只有少数注释类可用。在这项工作中，我们提出了一种新的方法，用于Few-Shot医学图像分割，它使分割模型能够快速推广到一个看不见的类与少量的训练图像。我们使用间歇训练的深度卷积网络构建我们的Few-Shot图像分割器。受医学图像空间一致性和规律性的启发，我们开发了一个高效的全局相关模块来捕获支持图像和查询图像之间的相关性，并将其纳入称为全局相关网络的深度网络中。此外，我们增强了深度嵌入的可辨别性，以鼓励同类特征域的聚类，同时保持不同器官的特征域远离。消融实验证明了所提出的全局相关模块和判别嵌入损失的有效性。在CT和MRI模式上对解剖腹部图像进行了广泛的实验，以证明我们所提出的模型的最先进的性能。
2020-12-10 cs.CV
Learning Class Prototypes via Structure Alignment for Zero-Shot Recognition
ShanghaiTech University（上海科技大学）；University of Chinese Academy of Sciences（中国科学院大学）
零样本学习（Zero-shot learning，简称ZRL）是一种利用语义信息和辅助数据集，在没有特定类别训练样本的情况下识别新类别对象的方法。最近，大多数的语义学习方法集中在学习视觉语义嵌入，以将知识从辅助数据集转移到新的类。然而，很少有人研究语义信息是否对识别任务具有区分性。为了解决这个问题，我们提出了一个耦合的字典学习方法来对齐的视觉语义结构使用类原型，其中的歧视性信息躺在视觉空间被用来改善歧视性较低的语义空间。然后，zero-shot识别可以在不同的空间中进行简单的最近邻方法使用学习的类原型。在四个基准数据集上的实验表明了该方法的有效性。
2018-07-24 cs.CV
Discriminative Noise Robust Sparse Orthogonal Label Regression-based Domain Adaptation
Shanghai Jiao Tong University（上海交通大学）；Ecole Centrale de Lyon（里昂中央理工学院）
领域自适应（DA）旨在使从源域训练的学习模型能够在目标域上很好地泛化，尽管两个域之间的数据分布不匹配。到目前为止，最先进的DA方法集中在潜在的共享特征空间的搜索，其中源和目标域数据可以在统计上和/或几何上对齐。本文提出了一种新的无监督DA方法，即基于区分噪声鲁棒稀疏正交标记回归的领域自适应（DOLL-DA）。建议DOLL-DA来自一种新的集成模型，该模型搜索共享的特征子空间，其中源和目标域数据通过优化一些排斥力项，在统计上有区别地对齐，同时使用标签嵌入技巧正交回归其数据标签。此外，在最小化一个新的噪声鲁棒稀疏正交标签回归（NRS_OLR）项，所提出的模型显式地考虑数据离群值，以避免负传递，并在回归数据标签时引入稀疏性。由于字符限制。请阅读我们论文中的详细摘要。
2021-01-09 cs.CV
Correlative and Discriminative Label Grouping for Multi-Label Visual Prompt Tuning
Anhui Provincial Key Laboratory of Multimodal Cognitive Computation, School of Computer Science and Technology, Anhui University（安徽省多模态认知计算重点实验室，计算机科学与技术学院，安徽大学）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Nanjing University of Science and Technology（南京理工大学）
针对多标签图像分类中标签共现过度强调导致的过拟合问题，提出多标签视觉提示调优框架，通过标签分组平衡相关性与判别性关系，并利用MoE自适应获得标签感知表示，在多个基准上超越SOTA。
2025-07-09 cs.CV
Gaze Embeddings for Zero-Shot Image Classification
Max Planck Institute for Informatics（马克斯·普朗克信息学研究所）；Amsterdam Machine Learning Lab（阿姆斯特丹机器学习实验室）；Saarland Informatics Campus（萨尔兰信息学园区）；University of Amsterdam（阿姆斯特丹大学）；Eyeem
使用辅助信息（例如描述有区别的对象属性的属性）的Zero-shot图像分类需要由领域专家进行耗时的注释。相反，我们提出了一种方法，依赖于人类的目光作为辅助信息，利用即使是非专家用户有一个自然的能力来判断类成员。我们提出了一个数据汇集范式，涉及到一个歧视的任务，以增加从凝视数据获得的信息内容。我们的方法从数据中提取有区别的描述符，并使用三种新颖的凝视嵌入：凝视直方图（GH），网格凝视特征（GFG）和序列凝视特征（GFS）来学习图像和凝视之间的兼容性函数。我们引入了两个新的凝视注释数据集细粒度图像分类，并表明人类的凝视数据确实是类歧视，提供了一个有竞争力的替代专家注释的属性，并优于其他基线的zero-shot图像分类。
2017-04-12 cs.CV
Using Fictitious Class Representations to Boost Discriminative Zero-Shot Learners
Technion – Israel Institute of Technology（以色列理工学院）
专注于判别式零样本学习，在这项工作中，我们引入了一种新的机制，在训练过程中动态增加看到的类的集合，以产生额外的虚构类。这些虚构的类减少了模型在训练过程中对出现在训练集中但不会出现在新暴露的类中的属性相关性的关注。该模型在零样本学习框架的两个公式内进行测试，即广义零样本学习（GSTOL）和经典零样本学习（CSTOL）。我们的模型提高了CUB数据集的最新性能，并在其他常见数据集AWA2和SUN上达到了类似的结果。我们研究了我们的方法的优点和缺点，包括训练端到端zero-shot模型时灾难性遗忘的影响。
2021-11-26 cs.AI cs.CV cs.LG
Discriminative Sample-Guided and Parameter-Efficient Feature Space Adaptation for Cross-Domain Few-Shot Learning
University of Melbourne（墨尔本大学）；Peter MacCallum Cancer Centre（彼得·麦卡勒姆癌症中心）
针对跨域小样本分类，本文提出基于预训练特征线性变换的参数高效自适应，并以判别性样本感知损失替代最近质心分类器，在 Meta-Dataset 上以约3倍参数效率取得新SOTA。
2024-04-03 cs.CV
Generative Model-driven Structure Aligning Discriminative Embeddings for Transductive Zero-shot Learning
IIT Bombay（印度理工学院孟买分校）；Jadavpur University（贾达普大学）
零样本学习（Zero-Shot Learning，ZRL）是一种迁移学习技术，旨在将知识从可见类迁移到不可见类。这种知识转移是可能的，因为潜在的语义空间是常见的可见和不可见的类。大多数现有的方法学习投影函数使用标记的可见类数据，其将视觉数据映射到语义数据。在这项工作中，我们提出了一个浅，但有效的神经网络为基础的模型学习这样的投影函数，对齐的视觉和语义数据的潜在空间，同时使潜在空间嵌入歧视。由于上述投影函数是使用所见的类数据学习的，因此存在所谓的投影域移位。我们提出了一种转换的方法来减少域转移的影响，在那里我们利用未标记的视觉数据从看不见的类生成相应的语义特征看不见的类视觉样本。虽然这些语义特征最初是使用条件变分自动编码器生成的，但它们与所见的类数据一起使用以改进投影函数。我们在APDL和广义APDL的归纳和转换设置上进行了实验，并在标准基准数据集AWA 1，AWA 2，CUB，SUN，FLO和APY上显示出优越的性能。我们还展示了我们的模型在ZSL背景下不同数据集上标记数据极其少的情况下的有效性。
2020-05-09 cs.CV
G2D: Generative-to-Discriminative Collaborative Inference for Zero-Shot Image Classification
Xidian University（西安电子科技大学）
G2D是一种无需训练的零样本图像分类框架，通过生成式VLM验证CLIP检索的候选，在8个基准上平均准确率达68.85%，优于CLIP及独立生成式模型，还可迁移至其他模型。
2026-08-28 cs.CV
One-shot Network Pruning at Initialization with Discriminative Image Patches
Ritsumeikan University（立命馆大学）；Hitotsubashi University（一桥大学）；Nagoya University（名古屋大学）；Dalian University of Technology（大连理工大学）
单次网络剪枝（One-shotNetworkPruningatThreshold，OPaI）是一种有效降低网络剪枝代价的方法。最近，越来越多的人认为数据在OPaI中是不必要的。然而，我们得到了相反的结论，烧蚀实验中的两个代表性的OPaI方法，SNIP和GraSP。具体来说，我们发现，信息丰富的数据是至关重要的，以提高修剪性能。在本文中，我们提出了两种新的方法，区分单次网络修剪（DOP）和超级缝合，修剪网络的高层次的视觉区分图像补丁。我们的贡献如下。(1)大量的实验表明，OPaI是数据依赖的。(2)Super Stitching在基准ImageNet上的表现明显优于原始的OPaI方法，特别是在高度压缩的模型中。
2022-10-04 cs.AI cs.CV cs.LG
Semantic-Guided Multi-Attention Localization for Zero-Shot Learning
Rutgers University（罗格斯大学）；Hikvision Research Institute（海康威视研究院）；University of Delaware（特拉华大学）
零样本学习通过引入类的语义表示，将传统的对象分类扩展到不可见的类识别。现有的方法主要集中在学习适当的映射函数的视觉语义嵌入，而忽略了学习的区别性视觉特征的效果。本文研究了判别式区域定位的意义。我们提出了一个语义引导的多注意定位模型，该模型自动发现对象的最有区别的部分，用于零样本学习，而无需任何人工注释。我们的模型共同学习合作的全局和局部特征，从整个对象以及检测到的部分，分类对象的语义描述的基础上。此外，通过嵌入softmax损失和类中心三元组损失的联合监督，鼓励模型学习具有高类间分散性和类内紧凑性的特征。通过对三个广泛使用的零样本学习基准测试的综合实验，我们展示了多注意力定位的有效性，并且我们所提出的方法大大提高了最先进的结果。
2019-12-02 cs.CV
Single-Shot and Multi-Shot Feature Learning for Multi-Object Tracking
National Engineering Research Center for Visual Information and Applications（视觉信息与应用国家工程研究中心）
提出两阶段特征学习范式，联合单次与多次特征实现鲁棒数据关联，在MOT17、MOT20和DanceTrack上取得显著提升。
2023-11-17 cs.CV
Select, Label, and Mix: Learning Discriminative Invariant Feature Representations for Partial Domain Adaptation
MIT-IBM Watson AI Lab（麻省理工学院-IBM沃森人工智能实验室）；Boston University（波士顿大学）；IIT Kharagpur（印度理工学院卡拉格普尔分校）
部分领域自适应是计算机视觉中的一个研究热点，它假设未知的目标标签空间是源标签空间的一个子集。尽管最近的进展，现有的方法往往遭受三个关键问题：负迁移，缺乏可辨别性，域不变性的潜在空间。为了缓解上述问题，我们开发了一种新的“选择，标签，和混合”（SLM）的框架，旨在学习歧视性的不变特征表示部分领域自适应。首先，我们提出了一个有效的“选择”模块，自动过滤出离群源样本，以避免负转移，同时对齐分布在两个域。其次，“标签”模块使用标记的源域数据和针对目标域生成的伪标签来迭代地训练分类器，以增强潜在空间的可辨别性。最后，“混合”模块与其他两个模块一起利用域混合正则化来探索跨域的更多内在结构，从而导致用于部分领域自适应的域不变潜在空间。在部分领域自适应的几个基准数据集上进行的大量实验表明，我们提出的框架优于最先进的方法。
2023-01-03 cs.CV
Fisher Discriminative Least Squares Regression for Image Classification
Jiangnan University（江南大学）；University of Surrey（萨里大学）
判别最小二乘回归（DLSR）已被证明在多类图像分类任务中取得了有前途的性能。它的核心思想是通过联合使用$ε$ -dragoning技术和Fisher准则，迫使不同类别的回归标签向相反的方向移动，从而产生具有更宽边缘的判别回归模型。$ε$ -拖拽技术忽略了一个重要的问题：其非负松弛矩阵在优化中动态更新，这意味着拖拽值也可能导致来自同一类的标签不相关。为了学习更强大的判别投影以及回归标签，我们提出了一个Fisher正则化DLSR（FDLSR）框架，通过使用Fisher准则约束松弛标签。一方面，Fisher准则改善了松弛学习过程中松弛标签的类内紧性。另一方面，期望进一步增强$ε$ -dragetry技术的类间可分性。FDLSR首次尝试将Fisher判别准则和$ε$ -投影技术整合到一个统一的模型中，因为它们在判别投影的学习中是完全互补的。在各种数据集上的大量实验表明，所提出的FDLSR方法的性能优于其他国家的最先进的分类方法。本文的Matlab代码可在https://github.com/chenzhe207/FDLSR上获得。
2020-08-04 cs.CV
Attention-Guided Discriminative Region Localization and Label Distribution Learning for Bone Age Assessment
University of California Los Angeles（加州大学洛杉矶分校）；Zhejiang University（浙江大学）；The First Affiliated Hospital, College of Medicine, Zhejiang University（浙江大学医学院附属第一医院）
骨龄评估（BAA）在临床上很重要，因为它可以用于诊断儿童发育期间的内分泌和代谢紊乱。现有的基于深度学习的骨龄分类方法使用全局图像作为输入，或者通过注释额外的边界框或关键点来利用局部信息。然而，用全局图像训练未充分利用有区别的局部信息，而提供额外的注释是昂贵的和主观的。在本文中，我们提出了一个注意力引导的方法来自动本地化的判别区域BAA没有任何额外的注释。具体来说，我们首先训练一个分类模型来学习区分区域的注意力地图，找到手区域、最具区分性的区域（腕骨）和下一个最具区分性的区域（掌骨）。在这些注意力地图的指导下，我们从原始图像中裁剪出信息丰富的局部区域，并为BAA聚合不同的区域。而不是把BAA作为一个一般的回归任务，这是次优的，由于在年龄标签空间的标签模糊性问题，我们提出使用联合年龄分布学习和期望回归，它利用了不同的个人年龄的手图像之间的顺序关系，并导致更强大的年龄估计。对RSNA儿童骨龄数据集进行了广泛的实验。不使用训练注释，与现有的需要手动注释的基于半自动深度学习的方法相比，我们的方法取得了有竞争力的结果。代码可在https：//github.com/chenchao666/Bone-Age-Assessment上获得。
2020-08-13 cs.CV
Discriminative Region Suppression for Weakly-Supervised Semantic Segmentation
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
使用图像级标签的弱监督语义分割（WSSS）最近因降低标注成本而受到广泛关注。现有的WSSS方法利用来自分类网络的定位图来生成伪分割标签。然而，由于从分类器获得的定位图只集中在稀疏的判别对象区域，很难生成高质量的分割标签。为了解决这个问题，我们引入了区分区域抑制（DRS）模块，这是一种简单而有效的方法来扩展对象激活区域。DRS抑制了对区分区域的注意，并将其传播到相邻的非区分区域，生成密集的定位图。DRS只需要很少或不需要额外的参数，并且可以插入任何网络。此外，我们引入了一个额外的学习策略，以提供一个自我增强的本地化地图，命名为本地化地图细化学习。受益于这种细化学习，定位地图通过恢复一些丢失的部分或去除噪声本身来细化和增强。由于其简单性和有效性，我们的方法仅使用图像级标签在PASCAL VOC 2012分割基准上实现了mIoU 71.4%。大量的实验证明了我们方法的有效性。该代码可在https://github.com/qjadud1994/DRS上获得。
2021-04-05 cs.CV
CLIP-Guided Label-Free Discriminative Region Scoring for Fine-Grained Classification
State University of New York at Buffalo（纽约州立大学布法罗分校）
针对细粒度分类中无真实标签时不同区域和评分策略影响不明的问题，提出CLIP引导无标签区域评分框架，用多种策略评估并引入伪标签变体，实验表明软负边际评分性能最佳，随机裁剪在伪标签有噪声时表现更优，为细粒度分类提供新见解。
2026-07-16 cs.CV
NorMatch: Matching Normalizing Flows with Discriminative Classifiers for Semi-Supervised Learning
University of Cambridge（剑桥大学）；University of Bristol（布里斯托尔大学）
NorMatch是一个半监督学习新框架，通过引入基于归一化流的不确定性估计方案和无需阈值的样本加权策略，结合无监督数据分布建模，有效缓解伪标签噪声问题并提升判别式分类器性能，在多个数据集上达到最先进水平。
2024-02-16 cs.CV
DMN4: Few-shot Learning via Discriminative Mutual Nearest Neighbor Neural Network
State Key Lab of CAD&CG, Zhejiang University（浙江大学计算机辅助设计与图形学国家重点实验室）；Zhejiang Lab（之江实验室）
少样本学习（FSL）的目标是在低数据量的情况下对图像进行分类，在这种情况下，传统的合并全局特征可能会丢失有用的局部特征。最近的工作已经取得了很好的性能，通过使用深度描述符。他们通常考虑来自神经网络的所有深度描述符，而忽略了其中一些由于其有限的感受野而在分类中无用，例如，与任务无关的描述符可能是误导性的，并且来自背景杂波的多个聚合描述符甚至可能掩盖对象的存在。在本文中，我们认为，一个相互最近邻（MNN）的关系应该建立明确选择的查询描述符是最相关的每个任务，并丢弃不相关的聚集杂波FSL。具体来说，我们提出了用于FSL的判别式相互最近邻神经网络（DMN 4）。大量的实验表明，我们的方法优于现有的国家的最先进的细粒度和广义数据集。
2021-09-08 cs.CV cs.LG
DiGeo: Discriminative Geometry-Aware Learning for Generalized Few-Shot Object Detection
Columbia University（哥伦比亚大学）
广义Few-Shot目标检测的目标是在具有丰富注释的基本类和具有有限训练数据的新类上实现精确检测。现有的方法增强了Few-Shot的推广与牺牲的基本类的性能，或保持高精度的基本类检测与有限的改进，在新的类适应。在本文中，我们指出原因是所有类别的判别特征学习不足。因此，我们提出了一个新的训练框架DiGeo，来学习类间分离和类内紧凑性的几何感知特征。为了指导特征聚类的分离，我们推导出一个离线的单形等角紧框架（ETF）分类器，其权重作为类中心，并最大限度地均匀分离。为了收紧每个类的聚类，我们将自适应类特定的边缘纳入分类损失，并鼓励靠近类中心的特征。在两个Few-Shot基准数据集（VOC，COCO）和一个长尾数据集（LVIS）上的实验研究表明，该方法可以在不影响基类检测的情况下，有效地提高新类的泛化能力。
2023-03-16 cs.AI cs.CV
Discriminative Label Consistent Domain Adaptation
Shanghai Jiao Tong University（上海交通大学）；École Centrale de Lyon（里昂中央理工学院）
领域自适应（DA）是一种迁移学习，其目标是在源数据和目标数据分布不匹配的情况下，从源数据中学习出一个有效的预测器。本文提出了一种新的跨域视觉识别的无监督DA方法，它同时优化了理论上建立的误差界的三项。具体而言，所提出的DA方法迭代地搜索潜在的共享特征子空间，其中不仅源域和目标域之间的数据分布的分歧减少了大多数最先进的DA方法，而且类间距离增加，以促进判别式学习。此外，所提出的DA方法稀疏地从共享子空间中获得的特征回归类标签，同时最小化对源数据的预测误差，并确保源和目标之间的标签一致性。还考虑了数据异常值，以进一步避免负面知识转移。综合的实验和深入的分析验证了所提出的DA方法的有效性，它始终优于最先进的DA方法的标准DA基准，即，12个跨域图像分类任务。
2018-02-21 cs.CV
Geometric Mean Improves Loss For Few-Shot Learning
University of Tsukuba（筑波大学）；National Institute of Advanced Industrial Science and Technology（国立先进工业科学技术研究院）
本文提出一种基于几何平均的少样本学习损失函数，通过聚合样本间成对关系增强判别性度量，理论分析与实验表明其性能优于其他损失。
2025-01-24 cs.CV
How Robust are Discriminatively Trained Zero-Shot Learning Models?
Hacettepe University（哈斯特佩大学）；Middle East Technical University（中东技术大学）
数据移动鲁棒性主要是从完全监督的角度进行研究的，而零样本学习（ZRL）模型的鲁棒性在很大程度上被忽略了。在本文中，我们提出了新的分析的鲁棒性的歧视性反卷积图像损坏。我们将几个CNOL模型置于一个大的常见腐败和防御集合中。为了实现腐败分析，我们策划并发布了第一个CRTL腐败鲁棒性数据集SUN-C，CUB-C和AWA 2-C。我们分析我们的结果，考虑到数据集的特点，类的不平衡，可见和不可见的类之间的类的转换和之间的差异，GALML和GALML性能。我们的研究结果表明，歧视性的CNOL遭受腐败，这种趋势进一步加剧了严重的类不平衡和CNOL方法固有的模型弱点。然后，我们将我们的研究结果与基于对抗攻击的结果结合起来，并强调了腐败和对抗示例的不同影响，例如对抗攻击下存在的伪鲁棒性效应。我们还获得了新的强大的基线与防御方法的两个模型。最后，我们的实验表明，虽然现有的方法，以提高鲁棒性的一些工作的CNOL模型，他们没有产生切实的效果。
2022-01-27 cs.AI cs.CV
Weakly supervised discriminative feature learning with state information for person identification
Sun Yat-sen University（中山大学）
身份鉴别视觉特征的无监督学习在人工标记成本高的现实任务中很有吸引力。然而，当在不同状态（例如，不同相机视图和姿势）下拍摄图像时，身份的图像可能在视觉上不一致。这种视觉差异导致无监督判别学习的巨大困难。幸运的是，在现实世界的任务中，我们通常可以知道没有人类注释的状态，例如，我们可以很容易地在人的重新识别和面部识别中的面部姿势标签的相机视图标签。在这项工作中，我们提出利用状态信息作为弱监督，以解决由不同的状态所造成的视觉差异。我们制定了一个简单的伪标签模型，并利用状态信息，试图通过弱监督决策边界纠正和弱监督特征漂移正则化来细化分配的伪标签。我们评估我们的模型在无监督的人重新识别和姿态不变的人脸识别。尽管我们的方法很简单，但它可以在具有标准ResNet-50主干的Duke-reID，MultiPIE和CFP数据集上获得最先进的结果。我们还发现，我们的模型可以执行与标准的监督微调结果在三个数据集上的重复性。代码可在https://github.com/KovenYu/state-information上获得
2020-02-27 cs.CV
Recursive Training for Zero-Shot Semantic Segmentation
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中心）
通用语义分割依赖于骨干CNN网络来提取区分特征，这些特征有助于将每个图像像素分类为“看到的”对象类（即，在训练期间可用的对象类）或背景类。Zero-shot语义分割是一项具有挑战性的任务，需要一个计算机视觉模型来识别属于一个对象类，它从来没有见过的图像像素。装备一个通用的语义分割模型，以分离图像像素的“看不见的”类的背景仍然是一个开放的挑战。最近的一些模型已经通过微调Zero-Shot设置的语义分割模型的最终像素分类层来解决这个问题，但是由于缺乏监督，难以学习区分特征。我们提出了一个递归的训练计划，监督的语义分割模型的再训练使用伪特征表示的zero-shot设置。为此，我们提出了一个零拍最大平均离散（Zero-Shot Maximum Mean Discreplanation，简称ZMMD）损失，它将像素分类层的高置信度输出作为伪特征表示进行加权，并将其反馈给生成器。通过在生成器端闭合循环，我们在重新训练期间提供监督，从而帮助模型为“看不见的”类学习更具鉴别力的特征表示。我们表明，使用我们的递归训练和EST-MMD损失，我们提出的模型在Pascal-VOC 2012数据集和Pascal-Context数据集上实现了最先进的性能。
2021-02-26 cs.CV
Hierarchy Neighborhood Discriminative Hashing for An Unified View of Single-Label and Multi-Label Image retrieval
School of Information and Communication Engineering（信息与通信工程学院）；University of Electronic Science and Technology of China（电子科技大学）
最近，深度监督哈希方法已经成为大规模图像检索任务的热门。为了保持示例之间的语义相似性概念，它们通常利用成对监督或三元组监督信息进行散列学习。然而，这些方法通常忽略了语义类信息，这有助于提高哈希码的语义区分能力。本文提出了一种新的层次邻域判别哈希算法。具体地说，我们构造了一个二分图来建立子类特征中心和嵌入特征之间的粗略语义邻域关系。此外，我们利用成对监督信息来构建嵌入特征之间的精细语义邻域关系。最后，我们提出了一个层次邻域判别散列损失统一的单标签和多标签图像检索问题与单流深度神经网络架构。在两个大规模数据集上的实验结果表明，该方法的性能优于现有的散列方法。
2019-01-11 cs.CV cs.LG
ZoRI: Towards Discriminative Zero-Shot Remote Sensing Instance Segmentation
Nanyang Technological University（南洋理工大学）；Shanghai University of Finance and Economics（上海财经大学）
提出零样本遥感实例分割任务及ZoRI框架，通过判别性增强分类器、知识保持自适应策略和先验注入预测，实现遥感图像中未见空中目标的准确分割，达到最先进性能。
2024-12-17 cs.CV
A discriminative view of MRF pre-processing algorithms
Google Research（谷歌研究院）；Cornell University（康奈尔大学）
马尔可夫随机场（MRF）被广泛应用于计算机视觉，他们提出了一个相当具有挑战性的推理问题。MRF推理可以通过预处理技术来加速，如死端消除（DEE）或基于QPBO的方法，这些方法计算变量子集的最佳标记。这些技术保证永远不会错误地标记变量，但它们通常会留下大量未标记的变量。我们通过将预处理解释为分类问题来解决这个缺点，这允许我们权衡误报（即，给予变量不正确的标签）与假阴性（即，无法标记变量）。我们描述了一个有效的判别规则，找到最佳的解决方案的一个子集的变量。我们的技术提供了关于解决方案质量的每个实例和最坏情况的保证。对几个基准数据集进行了实证研究。我们获得了2到12的加速因子，在没有预处理的情况下扩展移动，并且在困难的非子模块能量函数上产生稍低的能量。
2017-08-08 cs.CV
Robust and Discriminative Labeling for Multi-label Active Learning Based on Maximum Correntropy Criterion
Wuhan University（武汉大学）；University of Sydney（悉尼大学）
多标签学习在许多现实世界的应用中引起了极大的兴趣。由oracle为一个实例分配多个标签是一项代价很高的任务。同时，如果不诊断有区别的标签，也很难建立一个好的模型。我们能否降低标签成本并提高同时训练多标签学习的良好模型的能力？主动学习通过查询最有价值的样本来解决训练样本较少的问题，从而以较小的代价获得更好的性能。在多标签主动学习中，人们研究了用较少的训练样本查询相关标签，或者在不诊断判别信息的情况下查询所有标签。它们都不能有效地处理测量不确定度的离群值标签。最大相关熵准则（MCC）为许多机器学习和数据采掘算法中的离群点提供了鲁棒性分析，本文将不确定性和代表性融合在一起，推导出基于MCC的鲁棒多标记主动学习算法，并提出了一种高效的交替优化方法来求解该算法。我们的方法可以消除不具有区分性的离群值标签对测量不确定度的影响。为了进一步提高信息度量的能力，我们将不确定性和代表性与未知数据的预测标签相融合。它不仅可以增强不确定性，而且可以提高多标签数据的标签信息的相似性度量。在基准多标签数据集上的实验表明，该方法的性能优于现有的方法。
2019-04-14 cs.CV cs.LG
Hybrid Discriminative Attribute-Object Embedding Network for Compositional Zero-Shot Learning
Xidian University（西安电子科技大学）；Chongqing University of Posts and Telecommunications（重庆邮电大学）；Tsinghua University（清华大学）
针对CZSL中属性-对象交互复杂及长尾标签分布问题，提出HDA-OE网络，通过ADDS合成多样属性样本并利用SDDE增强细粒度子类判别，在三个基准数据集上验证了有效性。
2024-11-28 cs.AI cs.CV
Ref-Diff: Zero-shot Referring Image Segmentation with Generative Models
Harbin Institute of Technology（哈尔滨工业大学）；Pengcheng Laboratory（鹏城实验室）
提出Ref-Diff，利用生成模型（如Stable Diffusion）的细粒度多模态信息实现零样本指代图像分割，无需提议生成器即可媲美现有弱监督方法，与判别模型结合后性能显著提升。
2023-09-01 cs.CV
DiPS: Discriminative Pseudo-Label Sampling with Self-Supervised Transformers for Weakly Supervised Object Localization
ETS Montreal（蒙特利尔高等技术学院）；Ericsson（爱立信）
本文提出DiPS方法，利用自监督Transformer生成类无关注意力图，通过预训练分类器选取判别性候选区域作为伪标签，训练新型Transformer模型同时优化分类与定位，在多个数据集上优于现有弱监督目标定位方法。
2023-10-19 cs.CV
Cross-modal Representation Learning for Zero-shot Action Recognition
Microsoft（微软）
我们提出了一个跨模态转换器为基础的框架，联合编码视频数据和文本标签的zero-shot动作识别（ZSAR）。我们的模型采用了一个概念上的新管道，通过该管道，视觉表示以端到端的方式与视觉语义关联一起学习。模型设计提供了一种自然的机制，在共享的知识空间中学习视觉和语义表示，从而鼓励学习的视觉嵌入是有区别的，语义上更一致。在zero-shot推理中，我们设计了一个简单的语义转移方案，该方案嵌入了可见和不可见类之间的语义相关性信息，以合成不可见的视觉原型。因此，视觉结构中的区别性特征可以被保留和利用，以减轻典型的zero-shot问题的信息丢失，语义差距，和hubness问题。在严格的zero-shot设置下，不对额外的数据集进行预训练，实验结果表明，我们的模型大大提高了ZSAR的最新技术水平，在UCF 101，HMDB 51和ActivityNet基准数据集上达到了令人鼓舞的top-1精度。代码将提供。
2022-05-03 cs.CV
Task-Oriented Channel Attention for Fine-Grained Few-Shot Classification
Sungkyunkwan University（成均馆大学）
针对细粒度少样本分类因数据有限难以识别判别细节的问题，提出任务导向通道注意力方法TDM及实例注意力模块IAM，通过自适应校准通道重要性生成判别特征，显著提升了细粒度、粗粒度及跨域少样本分类性能。
2023-07-28 cs.CV
Learning Primitive-aware Discriminative Representations for Few-shot Learning
针对少样本学习中图像级特征忽略细粒度结构信息的问题，提出基元挖掘与推理网络PMRN，通过自监督拼图、自适应通道分组和图卷积关联推理学习基元感知表示，在6个基准上取得SOTA结果。
2023-06-14 cs.CV
Discriminative and Efficient Label Propagation on Complementary Graphs for Multi-Object Tracking
Université catholique de Louvain（鲁汶天主教大学）
给定一组在每个时刻独立检测到的检测，我们研究如何将它们跨时间关联起来。这是通过在一组图上传播标签来完成的，每个图捕捉时空或外观线索如何促进将相同或不同的标签分配给一对检测。图的构造是由局部线性嵌入的检测功能的动机。有趣的是，外观图中节点的邻域被定义为包括外观特征可用的所有节点（即使它们在时间上是遥远的）。这给了我们的框架不寻常的能力，利用外观功能，只有零星可用。一旦图被定义，多目标跟踪被公式化为找到与每个图捕获的约束一致的标签分配的问题，这导致凸（DC）程序的差异。我们建议将全局目标函数分解为节点子问题。这不仅允许计算高效的解决方案，而且还支持图的增量和可扩展的构造，从而使框架适用于大型图和实际跟踪场景。此外，它还提供了并行执行的可能性。
2015-12-01 cs.CV
Renderers are Good Zero-Shot Representation Learners: Exploring Diffusion Latents for Metric Learning
Department of Computer Science, Princeton University（普林斯顿大学计算机科学系）
本文探索Shap-E扩散潜空间作为三维感知判别任务的表示，通过检索度量其度量学习性能，发现其零样本优于EfficientNet，且经对比训练后仍具竞争力，表明生成渲染模型可提供有用表示。
2023-06-19 cs.CV
Generative Reasoning Integrated Label Noise Robust Deep Image Representation Learning
Technische Universität Berlin（柏林工业大学）；BIFOLD - Berlin Institute for the Foundations of Learning and Data（BIFOLD——柏林学习与数据基础研究所）
针对训练数据中标签噪声导致过拟合的问题，提出GRID方法，通过有监督变分自编码器集成生成式与判别式推理，自动检测噪声样本并调整学习过程，独立于具体IRL方法实现鲁棒的图像表示学习。
2023-08-04 cs.CV
Stacked Semantic-Guided Attention Model for Fine-Grained Zero-Shot Learning
Tianjin University（天津大学）；Fudan University（复旦大学）；Binghamton University（宾汉姆顿大学）
零样本学习（Zero-Shot Learning，简称ZRL）是通过调整全局图像特征向量与相应类别语义描述之间的语义关系来实现的。然而，使用全局特征来表示细粒度图像可能会导致次优的结果，因为它们忽略了局部区域的区别。此外，不同的区域包含不同的判别信息。重要区域对预测的贡献更大。为此，我们提出了一种新的堆叠语义引导的注意力（S2 GA）模型，以获得语义相关的功能，通过使用个别类的语义功能，逐步指导视觉功能，以产生一个注意力地图加权不同的局部区域的重要性。将集成的视觉特征和类语义特征馈送到多类分类架构中，所提出的框架可以进行端到端的训练。在CUB和NABird数据集上的实验结果表明，该方法在细粒度zero-shot分类和检索任务上都有较好的性能.
2018-05-21 cs.CV
Complexity-Aware Assignment of Latent Values in Discriminative Models for Accurate Gesture Recognition
Universidade Federal de Minas Gerais (UFMG)（米纳斯吉拉斯联邦大学 (UFMG)）
用于手势识别的许多最先进的算法是基于条件随机场（CRF）的。成功的方法，如潜在的动态CRF，扩展CRF纳入潜在变量，其值映射到标签的值。在本文中，我们提出了一种新的方法来设置潜在的价值观，根据手势的复杂性。我们使用一种启发式算法，迭代与每个标签值相关的样本，估计它们的复杂性。然后，我们使用它将潜在值分配给标签值。我们评估我们的方法从视频流中识别人类手势的任务。实验在通过对不同标签进行分组而生成的二进制数据集中进行。我们的研究结果表明，我们的方法优于任意一个在许多情况下，提高精度高达10%。
2017-04-01 cs.CV
Cross Attention Network for Few-shot Classification
University of Chinese Academy of Sciences（中国科学院大学）；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）
Few-Shot分类的目标是在仅有少量标记样本的情况下从未见过的类别中识别未标记样本。不可见的类别和低数据问题使得Few-Shot分类非常具有挑战性。现有的许多方法都是分别从标记样本和未标记样本中提取特征，因此特征的区分度不够。在这项工作中，我们提出了一种新的交叉注意力网络，以解决具有挑战性的问题，在Few-Shot分类。首先，引入交叉注意模块来处理不可见类问题。该模块为每对类特征和查询样本特征生成交叉注意图，突出目标对象区域，使提取的特征更具区分性。其次，提出了一种直推推理算法来缓解低数据量问题，该算法迭代地利用未标记的查询集来扩充支持集，从而使类特征更具代表性。在两个基准上的大量实验表明，我们的方法是一个简单，有效和计算效率高的框架，并优于国家的最先进的。
2019-10-17 cs.CV
Unsupervised feature learning with discriminative encoder
Indian Institute of Science（印度科学理工学院）
近年来，深度判别模型在监督学习任务上取得了非凡的性能，显著优于生成模型。然而，它们的成功依赖于大量标记数据的存在。在没有标签的情况下，如何使用相同的判别模型来学习有用的特征？我们在本文中解决这个问题，通过联合建模的数据和潜在特征的分布的方式，明确分配零概率未观察到的数据。而不是最大限度地提高边际概率的观测数据，我们最大限度地提高联合概率的数据和潜在的功能，使用两个步骤EM样的过程。为了防止模型过度拟合我们最初选择的潜在特征，我们使用对抗正则化。根据任务的不同，我们允许潜在特征是独热或实值向量，并在特征上定义合适的先验。例如，独热特征对应于类别标签，并直接用于无监督和半监督分类任务，而实值特征向量作为输入馈送到简单分类器，用于辅助监督判别任务。该模型，我们称之为判别编码器（或DisCoder），是灵活的，它可以捕获的潜在特征的类型。该模型在几个具有挑战性的任务上实现了最先进的性能。
2017-09-03 cs.CV
Discriminative Kernel Convolution Network for Multi-Label Ophthalmic Disease Detection on Imbalanced Fundus Image Dataset
PDPM Indian Institute of Information Technology, Design and Manufacturing, Jabalpur（贾巴尔普尔PDPM印度信息技术设计与制造学院）
通过研究视网膜生物学结构的进展，可以认识眼病的存在和严重性。眼底检查是检查眼睛的生物结构和异常的诊断程序。青光眼、糖尿病视网膜病变和白内障等眼科疾病是世界各地视力受损的主要原因。眼科疾病智能识别（Ocular Disease Intelligent Recognition，ODI-5 K）是研究人员用于眼底图像的多标签多疾病分类的基准结构化眼底图像数据集。这项工作提出了一个判别核卷积网络（DKCNet），它在不增加额外计算成本的情况下探索判别区域特征。DKCNet由一个注意力块和一个挤压和兴奋（SE）块组成。注意力块从主干网获取特征并生成有区别的特征注意力图。SE块采用区别性特征图并改善通道相互依赖性。使用InceptionResnet主干网观察到DKCNet的更好性能，用于Oscillation-5 K眼底图像的多标签分类，具有96.08 AUC，94.28 F1-评分和0.81 kappa评分。所提出的方法基于诊断关键字为眼睛对分割共同目标标签。基于这些标签，进行过采样和欠采样以解决类不平衡。为了检查所提出的模型对训练数据的偏差，在三个公开可用的基准数据集上测试了在Oscillation数据集上训练的模型。它被发现给完全看不见的眼底图像也有良好的性能。
2022-07-16 cs.CV eess.IV
DIFFCZSL: Compositional Zero-Shot Learning Regularized by Diffusion Representations
The Hong Kong University of Science and Technology（香港科技大学）
DIFFCZSL将预训练扩散模型的生成先验注入基于CLIP的组合零样本学习流程，通过对比对齐提升性能，在两类设置下均优于强基线，凸显了扩散表示与视觉-语言模型的互补优势。
2026-08-21 cs.CV
Fine-grained Discriminative Localization via Saliency-guided Faster R-CNN
Peking University（北京大学）
区分定位是细粒度图像分类任务的关键，它需要识别同一基本类别中的数百个子类别。反映在对象的区分区域上，不同子类别之间的关键差异是微妙的和局部的。现有的方法一般采用两阶段的学习框架：第一阶段是定位对象的区分区域，第二阶段是对用于训练分类器的区分特征进行编码。然而，这些方法一般都有两个局限性：（1）分离的两阶段学习是耗时的。(2)区分性定位学习依赖于对象和部件注释，导致大量劳动消耗的标记。同时解决这两个重要的限制是非常具有挑战性的。现有的方法只关注其中之一。因此，本文提出了通过显着性引导的Faster R-CNN的区分定位方法，以同时解决上述两个限制，我们的主要创新和优势在于：（1）基于Faster R-CNN的端到端网络设计用于同时定位区分区域和编码区分特征，从而加快分类速度。(2)提出了显著性引导的定位学习方法，自动定位判别区域，避免了人工标注。两者联合使用，同时加快分类速度，消除对对象和零件注释的依赖。在广泛使用的CUB-200-2011数据集上，与现有的方法相比，该方法实现了最佳的分类精度和效率。
2017-09-25 cs.CV
