Single-image driven 3d viewpoint training data augmentation for effective wine label recognition
National Yang Ming Chiao Tung University(阳明交通大学);University of Washington(华盛顿大学)
针对酒标识别训练数据不足的问题,提出单图像驱动的3D视角数据增强方法,结合ViT与批量全三元组度量学习实现高准确率的单样本酒标识别。
2024-04-12 cs.CV cs.LG
A comparative study of generative adversarial networks for image recognition algorithms based on deep learning and traditional methods
New York University(纽约大学);Northwestern University(西北大学);Northeastern University(东北大学);Columbia University(哥伦比亚大学);Southern Methodist University(南卫理公会大学)
本文比较了基于GAN的深度学习图像识别算法与传统方法,实验表明GAN在复杂图像处理、识别精度和抗噪声能力上具有显著优势。
2024-08-07 cs.CV cs.LG eess.IV
URIE: Universal Image Enhancement for Visual Recognition in the Wild
POSTECH(浦项工科大学)
尽管在视觉识别方面取得了巨大的进步,但人们已经看到,在普通数据集的干净图像上训练的识别模型对现实世界中的失真图像并不鲁棒。为了解决这个问题,我们提出了一个通用的和友好的图像增强网络,称为URIE,它被附加在现有的识别模型之前,并增强失真的输入,以提高其性能,而无需重新训练它们。URIE是通用的,因为它旨在处理图像退化的各种因素,并与任何任意识别模型相结合。此外,它是简化友好的,因为它被优化以提高以下识别模型的鲁棒性,而不是输出图像的感知质量。我们的实验表明,URIE可以处理各种和潜在的图像失真,并提高现有模型的性能,为五个不同的识别任务时,输入图像退化。
2020-07-24 cs.CV
Polyhedron Volume-Ratio-based Classification for Image Recognition
本文提出了一种新的图像识别方法--多面体体积比分类法
2016-01-26 cs.CV
Overview Of Satellite Image Recognition Models
Plekhanov Russian University of Economics(俄罗斯普列汉诺夫经济大学)
本文对现有的卫星图像识别模型进行了分析,对作为信息源的卫星图像识别领域存在的问题进行了思考和分析,对深度学习方法进行了比较,并对现有的图像识别方法进行了分析。所获得的结果将用作根据卫星图像开发火灾识别模型的基础,并将识别结果用作根据模糊认知图预测宏观经济形势的认知模型的输入数据。
2022-12-07 cs.CV
Improving Low-Light Image Recognition Performance Based on Image-adaptive Learnable Module
University of Tsukuba(筑波大学);NEC Corporation(日本电气公司)
针对低光照图像识别难题,提出由超参数预测器调节参数的图像自适应可学习模块,可作为前端滤波器即插即用以提升现有识别模型性能。
2025-01-08 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
Recognition of Regular Shapes in Satelite Images
这篇论文已经被作者ali pourmohammad撤回。
2010-01-08 cs.CV
Logical methods of object recognition on satellite images using spatial constraints
Institute of System Dynamics and Control Theory, Siberian Division, Russian Academy of Sciences(俄罗斯科学院西伯利亚分院系统动力学与控制理论研究所)
提出了一种图像目标识别的逻辑方法。该方法的主要思想是执行对象识别作为一组规则描述的对象形状的逻辑推理。
2010-04-27 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
Image Type Water Meter Character Recognition Based on Embedded DSP
University of Jinan(济南大学)
本文将DSP处理器与图像处理算法相结合,研究了水表字符识别的方法。通过摄像机以固定角度采集水表图像,采用投影法对采集到的数字图像进行识别。实验结果表明,该方法能准确识别仪表字符,用数字自动识别代替人工抄表,提高了工作效率。
2015-08-27 cs.CV
Deep Learning Based Segmentation Free License Plate Recognition Using Roadway Surveillance Camera Images
Havelsan Inc.(哈维桑公司)
智能自动化交通执法解决方案近年来越来越受欢迎。这些解决方案广泛用于安全带违规检测、闯红灯违规检测和超速违规检测。高精度的车牌识别是这些系统中不可或缺的一部分。然而,一般的车牌识别系统需要高分辨率的图像以获得高性能。在这项研究中,我们提出了一种新的车牌识别方法,一般道路监控摄像头。提出的无分割车牌识别算法在字符检测和识别过程中利用基于深度学习的目标检测技术。所提出的方法已被测试2000图像上捕获的道路上。
2019-12-05 cs.CV
Analyzing the effectiveness of image augmentations for face recognition from limited data
Innopolis University(因诺波利斯大学)
这项工作提出了一个分析的效率图像增强的人脸识别问题,从有限的数据。我们考虑了增强的基本操作、生成方法以及它们的组合。我们的研究结果表明,增强,在一般情况下,可以大大提高人脸识别系统的质量和生成和基本方法的组合表现优于其他测试技术。
2021-05-18 cs.CV
Image-level Classification in Hyperspectral Images using Feature Descriptors, with Application to Face Recognition
KU Leuven(鲁汶大学);ETH Zürich(苏黎世联邦理工学院)
在本文中,我们提出了一种新的管道图像级分类的高光谱图像。通过这样做,我们表明,在图像级功能的歧视性光谱信息导致显着提高性能的人脸识别任务。我们还探索了传统特征描述符在高光谱图像中的潜力。从我们的评估中,我们观察到SIFT特征优于最先进的高光谱人脸识别方法以及其他描述符。随着高光谱传感器在众多应用中的部署越来越多,我们相信我们的方法可以有效地利用高光谱图像中的光谱信息,从而有利于更准确的分类。
2016-05-11 cs.CV
Deep Image: Scaling up Image Recognition
我们提出了一个最先进的图像识别系统,深度图像,使用端到端的深度学习开发。关键组件是一台专门用于深度学习的定制超级计算机,一种高度优化的并行算法,使用新的数据分区和通信策略,更大的深度神经网络模型,新颖的数据增强方法,以及多尺度高分辨率图像的使用。我们的方法在多个具有挑战性的计算机视觉基准测试中取得了优异的结果。
2015-07-06 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
Face Image Quality Enhancement Study for Face Recognition
West Virginia University(西弗吉尼亚大学)
针对低质量人脸照片识别研究不足的问题,本文构建大型低质量人脸数据库,提出无偏实验协议,并评估图像增强方法对识别准确率的影响。
2023-07-08 cs.CV
Hand-Assisted Expression Recognition Method from Synthetic Images at the Fourth ABAW Challenge
University of Science and Technology of China(中国科学技术大学)
在人脸表情识别任务中,从合成图像中进行学习是一个重要的任务,因为真实图像的标注非常困难,而且合成图像与真实图像之间存在一定的差距。第四届野外情感行为分析竞赛提出了挑战,并提供了从Aff-Wild 2数据集生成的合成图像。在本文中,我们提出了一种手辅助的表情识别方法,以减少之间的差距,合成数据和真实数据。我们的方法包括两个部分:表情识别模块和手部预测模块。表情识别模块提取表情信息,手部预测模块预测图像中是否包含手部。决策模式用于合并两个模块的结果,后剪枝用于改善结果。F1得分被用来验证我们的方法的有效性。
2022-07-20 cs.CV
Can An Image Classifier Suffice For Action Recognition?
MIT-IBM Watson AI Lab(MIT-IBM沃森人工智能实验室)
我们探索了一个新的视角视频理解铸造的视频识别问题作为一个图像识别任务。我们的方法将输入的视频帧重新排列成超级图像,这允许以与图像分类完全相同的方式直接训练图像分类器来完成动作识别的任务。有了这样一个简单的想法,我们表明,基于变换的图像分类器本身就足以进行动作识别。特别是,我们的方法在包括Kinetics 400,Moments In Time,Something-Something V2(SSV 2),Jester和Diving 48在内的几个公共数据集上对SOTA方法表现出了强大且有前途的性能。我们还对计算机视觉中流行的ResNet图像分类器进行了实验,以进一步验证我们的想法。Kinetics 400和SSV 2的结果与一些基于时空建模的性能最好的CNN方法相当。我们的源代码和模型可以在https://github.com/IBM/sifar-pytorch上找到。
2022-04-25 cs.CV
Analysis of face detection, face landmarking, and face recognition performance with masked face images
University of Ljubljana(卢布尔雅那大学);Faculty of Computer and Information Science(计算机与信息科学学院)
人脸识别已经成为我们生活中必不可少的任务。然而,当前COVID-19疫情导致口罩的广泛使用。戴口罩的影响目前是一个研究不足的问题。本文的目的是分析人脸检测,人脸地标,人脸识别性能与蒙面的人脸图像。HOG和CNN人脸检测器与5点和68点人脸界标预测器相结合用于人脸检测,VGG 16人脸识别模型用于掩蔽和未掩蔽图像上的人脸识别。我们发现,人脸检测,人脸地标和人脸识别的性能受到面具的负面影响
2022-06-03 cs.CV
Fingerprint Recognition under Missing Image Pixels Scenario
本文研究了在原始图像中存在像素缺失的情况下的指纹图像识别问题。丢失的像素恢复的可能性进行了测试,通过应用压缩感知方法。即,观察到不同百分比的丢失像素,并且通过应用用于稀疏图像重建的常用方法来进行图像重建。该理论通过实验得到了验证,即使图像像素丢失小于90%,也能成功地重建图像并进行身份识别。
2019-02-06 cs.CV
SMILE: Sequence-to-Sequence Domain Adaption with Minimizing Latent Entropy for Text Image Recognition
E.SUN Financial Holding CO., LTD.(玉山金融控股股份有限公司);National Kaohsiung Normal University(国立高雄师范大学)
用合成图像训练识别模型在文本识别中取得了显著的效果。然而,从真实世界的图像中识别文本仍然面临着挑战,由于合成和真实世界的文本图像之间的域转移。无监督领域自适应(UDA)是消除领域差异而无需人工标注的策略之一。由于顺序标注任务的特点,大多数流行的UDA方法不能直接应用于文本识别。为了解决这个问题,我们提出了一个UDA方法,最小化潜在熵的序列到序列的注意力为基础的模型与类平衡的自定进度学习。我们的实验表明,我们提出的框架取得了更好的识别效果比现有的方法在大多数UDA文本识别基准。所有代码都是公开的。
2022-02-24 cs.CV
Effect of Lossy Compression Algorithms on Face Image Quality and Recognition
Hochschule Darmstadt(达姆施塔特应用科学大学)
有损人脸图像压缩会降低图像质量和人脸识别的实用性。这项工作研究了有损图像压缩对最先进的人脸识别模型和多个人脸图像质量评估模型的影响。在特定图像目标尺寸的范围内进行分析。考虑了四种压缩类型,即JPEG,JPEG 2000,缩小的PNG,特别是新的JPEG XL格式。ColorFERET数据库中的正面彩色图像用于感兴趣区域(ROI)变体和肖像变体。我们主要得出结论,JPEG XL允许优越的平均和最坏情况下的人脸识别性能,特别是在较低的目标大小,低于约5kB的ROI变体,而似乎没有关键的优势,在较高的目标大小的压缩类型。现代模型的质量评估与人脸识别性能的压缩效果总体上相关。
2023-02-24 cs.CV
Event-based Action Recognition Using Timestamp Image Encoding Network
ANU(澳大利亚国立大学)
事件摄像机是一种异步、高频、低功耗的视觉传感器,适合于人体动作识别任务。对事件数据的时空信息进行适当的编码,并使用标准的计算机视觉工具从数据中进行学习是至关重要的。在这项工作中,我们提出了一个时间戳图像编码的2D网络,它采取编码的时空图像的事件数据作为输入和输出的动作标签。实验结果表明,该方法在真实世界的动作识别上可以达到与基于RGB的基准测试相同的性能水平,并且在手势识别上也达到了SOTA的结果。
2020-09-28 cs.CV
Adaptive Detrending to Accelerate Convolutional Gated Recurrent Unit Training for Contextual Video Recognition
Korea Advanced Institute of Science and Technology(韩国科学技术院);Okinawa Institute of Science and Technology Graduate University(冲绳科学技术大学院大学)
随着图像识别技术的发展,视频识别技术成为当前研究的热点。然而,大多数现有的方法都集中在短期而不是长期的视频识别,称为上下文视频识别。为了解决上下文视频识别问题,我们使用具有丰富时空信息处理能力的卷积递归神经网络(ConvRNN),但ConvRNN需要大量计算,这会减慢训练速度。在本文中,受归一化和去趋势方法的启发,我们提出了用于时间归一化的自适应去趋势(AD),以加速ConvRNN的训练,特别是卷积门控递归单元(ConvGRU)。AD通过减去趋势来去除递归神经网络(RNN)中每个神经元的序列内的内部协变量偏移。在ConvGRU的上下文识别实验中,结果表明:(1)ConvGRU明显优于前馈神经网络,(2)AD始终提供显着的训练加速和泛化改进,(3)AD通过与现有的归一化方法合作得到进一步改进。
2017-05-24 cs.CV
A Deep Image Compression Framework for Face Recognition
Xi’an Jiaotong University(西安交通大学)
人脸识别技术发展迅速,在各种应用中得到了广泛的应用。由于大规模人脸识别任务中人脸图像的数据量极其庞大,相应地需要大量的计算资源,因此需要一种高度适用于人脸识别任务的人脸图像压缩方法。在本文中,我们提出了一种用于人脸识别任务的深度卷积自动编码器压缩网络。在压缩过程中,通过卷积神经网络从原始图像中提取深度特征,以产生原始图像的紧凑表示,然后通过现有的编解码器(如PNG)对其进行编码和保存。重建网络利用这种紧凑表示来生成原始图像的重建图像。为了提高人脸识别系统中使用的压缩框架时,人脸识别的准确性,我们结合这个压缩框架与现有的人脸识别网络进行联合优化。我们测试所提出的方案,并发现,经过联合训练,标记的人脸在野生(LFW)数据集压缩我们的压缩框架具有更高的人脸验证精度比压缩的JPEG 2000,是远远高于压缩的JPEG。
2019-07-03 cs.CV
Age group and gender recognition from human facial images
Université Toulouse III - Paul Sabatier(图卢兹第三大学-保罗·萨巴蒂埃大学)
本文提出了一个基于人脸图像的性别和年龄自动识别系统。它做了广泛的实验,行像素强度值的功能和离散余弦变换(DCT)系数的功能与主成分分析和k-最近邻分类,以确定最佳的识别方法。最终结果表明,使用DCT系数的方法优于其对应部分,在看不见的测试图像中,正确的性别识别率为99%,正确的年龄组识别率为68%(考虑四个不同的年龄组)。详细的实验设置和获得的结果在本报告中清楚地介绍和解释。
2013-03-29 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
Face Recognition Based on Sequence of Images
Military University of Technology(军事技术大学)
提出了一种基于图像序列的人脸识别方法。人脸形状重建从图像使用的结构从运动和多视图立体视觉方法的组合。将重建的3D人脸模型与图库中保存的模型进行比较。在所提出的方法中的新颖元素是这样的事实,即重建仅基于输入图像,不需要通用的,可变形的人脸模型。实验验证所提出的方法也包括在内。
2018-09-28 cs.CV
Recurrent Regression for Face Recognition
Southeast University(东南大学)
为了解决图像的顺序变化,包括姿势,在本文中,我们提出了一个递归回归神经网络(RRNN)框架,统一两个经典的任务,跨姿势人脸识别静态图像和基于视频的人脸识别。为了模拟图像的变化,我们显式地构造序列图像的潜在依赖关系,从而使最终的学习模型正则化。通过对顺序相邻的图像进行渐进变换,RRNN可以自适应地记忆和忘记有利于最终分类的信息。对于静止图像的人脸识别,给定任意一幅具有任意一个姿态的图像,我们递归地预测具有其顺序姿态的图像,期望捕获其他姿态的一些有用信息。对于基于视频的人脸识别,递归回归需要一个完整的序列,而不是一个图像作为其输入。我们在静态人脸数据集MultiPIE和人脸视频数据集YouTube Celebrity(YTC)中验证了RRNN。综合实验结果证明了所提出的RRNN方法的有效性。
2016-07-24 cs.CV
Illumination-invariant Face recognition by fusing thermal and visual images via gradient transfer
Indian Institute of Technology, Kharagpur(印度理工学院卡拉格普尔分校)
在低照度等现实生活环境中的人脸识别仍然是生物识别安全领域的一个公开挑战。公认的是,面部识别中的最先进的方法在照明不良的情况下提供低准确度。在这项工作中,我们提出了一个更强大的光照不变的人脸识别算法,使用多模式的方法。我们提出了一个新的数据集,包括对齐的面孔的热和视觉图像的100个主题。然后,我们将人脸检测应用于热图像,使用最大的斑点提取方法,并将其应用于融合图像的不同形式的人脸识别的目的。提出了一种热图像与可见光图像融合的算法。我们解释为什么只依赖一种模态会得到错误的结果。我们使用一个更轻,更快的CNN模型,称为MobileNet,用于人脸识别和更快的推理,并能够在实时的生物识别系统中使用它。我们在自己创建的数据集上测试了我们提出的方法,结果表明,融合图像上的实时人脸识别比单独使用视觉或热图像的效果要好得多。
2019-02-23 cs.CV
Training-Free Synthesized Face Sketch Recognition Using Image Quality Assessment Metrics
人脸素描合成具有广泛的应用范围,从数字娱乐到执法。客观图像质量评价分数和人脸识别准确率是评价合成性能的两个主要工具。本文提出了一种基于全参考图像质量评价指标的合成人脸素描识别框架。四个国家的最先进的方法生成的合成草图被用来测试所提出的识别框架的性能。在图像质量评价指标方面,采用了经典的结构化相似性指标和视觉信息保真度、特征相似性指标和梯度幅值相似性偏差三种常用的图像质量评价指标。大量的实验与基线方法相比,说明了所提出的合成人脸素描识别框架的有效性。本文中的数据和实现代码可以在www.ihitworld.com/WNN/IQA_Sketch.zip上获得。
2016-03-25 cs.CV
UNIT: Unifying Image and Text Recognition in One Vision Encoder
Hong Kong University of Science and Technology(香港科技大学)
本文提出 UNIT 框架,通过轻量语言/视觉解码器与两阶段多尺度训练,在不改变原视觉编码器推理成本的前提下统一图像与文本识别。
2024-09-06 cs.CV
Training Convolutional Neural Networks with Limited Training Data for Ear Recognition in the Wild
Faculty of Computer and Information Science, University of Ljubljana(卢布尔雅那大学计算机与信息科学学院);Faculty of Electrical Engineering, University of Ljubljana(卢布尔雅那大学电气工程学院)
从人耳图像进行身份识别是生物识别领域的一个活跃的研究领域。从远处以隐蔽方式捕获耳朵图像的能力使得耳朵识别技术成为监视和安全应用以及相关应用领域的吸引人的选择。与其他生物识别模式相比,在不受控制的设置中捕获的大型数据集很容易获得,耳朵图像的数据集在大小上仍然有限,并且大部分具有实验室般的质量。因此,耳朵识别技术尚未受益于深度学习和卷积神经网络(CNN)的进步,并且仍然落后于其他由于深度识别技术而经历了显着性能提升的模式。在本文中,我们解决这个问题,旨在建立一个基于CNN的人耳识别模型。我们探索了不同的策略,对有限的训练数据的模型训练,并表明,通过选择一个适当的模型架构,使用积极的数据增强和选择性学习现有的(预先训练的)模型,我们能够学习一个有效的基于CNN的模型使用略多于1300训练图像。我们的工作成果是第一个基于CNN的人耳识别方法,该方法也公开提供给研究界。通过我们的模型,我们能够在从网络捕获的具有挑战性的耳朵图像数据集上将先前最先进的一级识别率提高25%以上(即,在野外)。
2019-02-01 cs.CV
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
An End-to-End Trainable Neural Network for Image-based Sequence Recognition and Its Application to Scene Text Recognition
School of Electronic Information and Communications(电子信息与通信学院);Huazhong University of Science and Technology(华中科技大学)
基于图像的序列识别一直是计算机视觉领域的研究热点。场景文本识别是基于图像序列识别中最重要和最具挑战性的任务之一。提出了一种新的神经网络结构,它将特征提取、序列建模和转录集成到一个统一的框架中。与以前的场景文本识别系统相比,该架构具有四个独特的属性:(1)它是端到端的可训练的,与大多数现有的算法,其组件是单独训练和调整。(2)它自然地处理任意长度的序列,不涉及字符分割或水平尺度规范化。(3)它不受任何预定义词典的限制,在无词典和基于词典的场景文本识别任务中都取得了显著的成绩。(4)它生成了一个有效但更小的模型,这对现实世界的应用场景更实用。在IIIT-5 K、街景文本和ICDAR数据集上的实验表明,该算法优于现有算法。此外,该算法在基于图像的乐谱识别任务中表现良好,这明显验证了它的通用性。
2015-07-21 cs.CV
On the Selective and Invariant Representation of DCNN for High-Resolution Remote Sensing Image Recognition
School of Geosciences and Info Physics, Central South University(中南大学地球科学与信息物理学院)
人类视觉在图像识别中具有很强的不变性。深度卷积神经网络(DCNN)直接从原始图像进行分层编码,使其认知能力接近人类视觉水平。由于其在特征表示方面的优势,DCNN在高分辨率遥感图像的场景识别和高光谱遥感图像的分类中表现出了显著的性能。深入的研究对于理解为什么DCNN可以通过其有效的特征表示准确地识别不同的地面物体仍然是必不可少的。因此,我们训练深神经网络称为AlexNet在我们的大规模遥感图像识别基准。在每个卷积层的神经元层次上,采用视觉刺激-特征响应结合特征编码-分类解码的框架,分析了DCNN在HRRS图像识别中的一般特性。具体来说,我们使用直方图统计,代表性相异度矩阵和类激活映射观察HRRS图像识别中的DCNN的选择性和不变性表示。我们认为,选择性和不变性表示在遥感图像的任务,如分类,检测和分割中起着重要的作用。选择性和不变性表示对于设计新的DCNN模型分析和理解遥感图像具有重要意义。
2017-08-04 cs.CV
Benchmarking recognition results on word image datasets
Indian Institute of Science(印度科学学院)
我们已经基准的最大可获得的识别精度在各种文字图像数据集使用手动分割和目前可用的商业OCR。我们已经开发了一个Matlab程序,图形用户界面,半自动像素级分割的文字图像。我们讨论了像素级注释的优点。我们已经覆盖了五个数据库,总计超过3600字的图像。这些文字图像是从摄像机拍摄的场景、数字视频和街景图像中裁剪出来的。我们使用Nuance Omnipage OCR的试用版识别分割的单词图像。我们还讨论了如何在收购过程中引入的退化或不准确的文字图像的创建过程中引入的影响识别的图像中存在的字。文中还讨论了各种退化的字图像以及字的倾斜和弯曲性质的校正。在ICDAR 2003、Sign evaluation、Street view、Born-digital和ICDAR 2011数据集上获得的单词识别率分别为83.9%、89.3%、79.6%、88.5%和86.7%。
2012-08-30 cs.CV
Reinforcing Generated Images via Meta-learning for One-Shot Fine-Grained Visual Recognition
National University of Singapore(新加坡国立大学);Fudan University(复旦大学);Zhejiang Normal University(浙江师范大学);Indiana University(印第安纳大学)
单次细粒度视觉识别经常遇到新的细粒度类的训练样本很少的问题。为了缓解这个问题,基于生成对抗网络(GANs)的现成图像生成技术可以创建额外的训练图像。然而,这些GAN生成的图像通常无助于实际提高单次细粒度识别的准确性。在本文中,我们提出了一个元学习框架,将生成的图像与原始图像相结合,从而使生成的“混合”训练图像改善了一次性学习。具体而言,通用的图像生成器更新的几个新的类的训练实例,并提出了一个Meta图像增强网络(MetaIRNet)进行单次细粒度识别以及图像增强。我们的实验表明,一致的改善基线上一杆细粒度图像分类基准。此外,我们的分析表明,与原始图像和GAN生成的图像相比,增强图像具有更大的多样性。
2022-04-22 cs.CV
Dual Directed Capsule Network for Very Low Resolution Image Recognition
IIIT-Delhi(德里英迪拉·甘地信息技术学院)
甚低分辨率(VLR)图像识别对应于对分辨率为16 x16或更小的图像进行分类。虽然它在距离很远(例如监视场景)或从广角移动摄像机捕获目标时具有广泛的适用性,但它受到的关注有限。本研究提出一种新的双向胶囊网络模型,称为DirectCapsNet,用于解决VLR数字和人脸识别。所提出的架构利用胶囊和卷积层的组合来学习有效的VLR识别模型。该架构还结合了两个新的损失函数:(i)提出的HR锚损失和(ii)提出的有针对性的重建损失,以克服VLR图像中有限的信息内容的挑战。所提出的损失使用高分辨率图像作为训练过程中的辅助数据,以“指导”判别特征学习。针对VLR数字分类和VLR人脸识别进行了多个实验,并与最先进的算法进行了比较。所提出的DirectCapsNet始终展示了最先进的结果;例如,在UCCS人脸数据库上,当16 x16图像与80 x80图像匹配时,它显示出超过95%的人脸识别准确率。
2019-08-27 cs.CV
Meta-Reinforced Synthetic Data for One-Shot Fine-Grained Visual Recognition
Indiana University(印第安纳大学);Fudan University(复旦大学)
单次细粒度视觉识别经常遇到新的细粒度类的训练数据不足的问题。为了缓解这个问题,可以应用现成的图像生成器来合成额外的训练图像,但是这些合成的图像通常无助于实际提高单次细粒度识别的准确性。本文提出了一个元学习框架,将生成的图像与原始图像相结合,从而得到的“混合”训练图像可以改善一次性学习。具体而言,通用的图像生成器更新的几个新的类的训练实例,并提出了一个Meta图像增强网络(MetaIRNet)进行单次细粒度识别以及图像增强。该模型以端到端的方式进行训练,我们的实验表明,在单次细粒度图像分类基准测试中,与基线相比,该模型具有一致的改进。
2019-11-17 cs.CV
Better Exploiting OS-CNNs for Better Event Recognition in Images
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是图像理解的重要问题之一。然而,与目标识别和场景识别相比,事件识别在计算机视觉界受到的研究关注要少得多。本文解决了静态图像中的文化事件识别问题,并专注于在这个问题上应用深度学习方法。特别是,我们利用对象场景卷积神经网络(OS-CNN)的成功架构来执行事件识别。OS-CNN由对象网络和场景网络组成,它们分别从大规模对象和场景识别数据集上的预训练模型中传输学习的表示。我们提出了四种类型的场景来探索OS-CNN的事件识别,将它们视为“端到端事件预测器”或“通用特征提取器”。我们的实验结果表明,OS-CNN的全局和局部表示是互补的。最后,基于我们对OS-CNN的调查,我们在2015年ICCV ChaLearn Looking at People(观察人)挑战赛上提出了文化事件识别轨道的解决方案。我们的团队在这次挑战中获得了第三名,我们的成绩非常接近最佳成绩。
2015-10-14 cs.CV
Cross-spectral Iris Recognition for Mobile Applications using High-quality Color Images
Research and Academic Computer Network(研究与学术计算机网络);Warsaw University of Technology(华沙理工大学)
随着最近向移动计算的转变,生物特征认证的新挑战出现在地平线上。本文提供了一个全面的研究跨光谱虹膜识别的情况下,在该情况下,高品质的彩色图像与手机被用来对注册图像收集在典型的,近红外设置。灰度转换的彩色图像,采用选择性的RGB通道的选择取决于虹膜着色显示,以提高识别精度的眼睛颜色和匹配软件的一些组合相比,仅使用红色通道,具有相同的出错率驱动低至2%。作者不知道有任何其他论文关注跨光谱虹膜识别是一种使用专业虹膜识别设置进行近红外注册,然后使用彩色图像进行基于移动设备的验证的场景。
2018-07-11 cs.CV
Generic Image Classification Approaches Excel on Face Recognition
The University of Adelaide(阿德莱德大学)
这项工作的主要发现是,标准的图像分类管道,包括字典学习,特征编码,空间金字塔池和线性分类,在测试的基准数据集上优于所有最先进的人脸识别方法(我们已经在AR,Extended Yale B,具有挑战性的FERET和LFW-a数据集上进行了测试)。这个令人惊讶和突出的结果表明,这些进展一般图像分类可以直接应用于改善人脸识别系统。换句话说,人脸识别可能不需要被视为一个单独的对象分类问题。虽然最近大量的基于残差的人脸识别方法集中在开发复杂的字典学习算法,在这项工作中,我们表明,随机提取的补丁(即使是从非人脸图像)的字典可以实现非常有前途的结果,使用图像分类管道。这意味着,字典学习方法的选择可能并不重要。相反,我们发现使用不同的低级图像特征学习多个字典通常会提高最终的分类准确率。我们提出的人脸识别方法在广泛使用的人脸识别基准数据集上提供了最好的报告结果。特别是,在具有挑战性的FERET和LFW-a数据集上,我们将文献中报道的最佳准确度分别提高了约20%和30%。
2013-09-30 cs.CV
Language Independent Single Document Image Super-Resolution using CNN for improved recognition
Indian Institute of Science(印度科学院)
文档图像的识别在修复旧的和经典的文本中有重要的应用。这个问题涉及到在将其传递给经过适当训练的OCR以获得文本的准确识别之前的质量改进。图像增强和质量改进构成重要步骤,因为后续识别取决于输入图像的质量。当高分辨率图像不可用时,我们的实验表明OCR准确度随着文档图像的空间分辨率的降低而显着降低。因此,唯一的选择是提高这种文档图像的分辨率。目标是在给定单个低分辨率二值图像的情况下构造高分辨率图像,这构成了单个图像超分辨率的问题。以往的超分辨率研究主要针对自然图像,因为自然图像的信息量远大于文档图像。在这里,我们使用卷积神经网络来学习低分辨率图像和相应的高分辨率图像之间的映射。我们实验不同的层数,参数设置和非线性函数,以建立一个快速的文档图像超分辨率的端到端的框架。我们提出的模型在75 dpi泰米尔语图像上显示出约4 dB的非常好的PSNR改善,导致OCR的字级准确性提高了3%。它比最近的基于稀疏的自然图像超分辨率技术需要更少的时间,使其适用于实时文档识别应用。
2017-01-30 cs.CV
Robust Face Recognition with Deeply Normalized Depth Images
Sichuan University(四川大学);College of Computer Science, Sichuan University(四川大学计算机学院);National Key Laboratory of Fundamental Science on Synthetic Vision, College of Computer Science, Sichuan University(四川大学计算机学院合成视觉基础科学国家重点实验室)
深度信息已被证明对人脸识别有用。然而,现有的基于深度图像的人脸识别方法仍然受到噪声的深度值和变化的姿态和表情。在本文中,我们提出了一种新的方法,规范化的面部深度图像正面姿势和中性表情,并提取强大的功能,从规范化的深度图像。该方法通过两个深度卷积神经网络(DCNN)、归一化网络($Net_{N}$)和特征提取网络($Net_{F}$)来实现。给定面部深度图像,$Net_{N}$首先将其转换为HHA图像,通过DCNN从HHA图像重建3D面部。然后,$Net_{N}$从重构的3D面部生成姿势和表情归一化(PEN)深度图像。PEN深度图像最终被传递到$Net_{F}$,$Net_{F}$通过另一个DCNN提取鲁棒的特征表示用于面部识别。我们的初步评估结果表明,所提出的方法在识别人脸的任意姿态和表情与深度图像的优越性。
2018-05-01 cs.CV
RNN Fisher Vectors for Action Recognition and Image Annotation
Tel Aviv University(特拉维夫大学);IBM Research(IBM研究院)
递归神经网络(RNN)在分类和预测序列方面取得了相当大的成功。我们证明了RNN可以有效地用于编码序列并提供有效的表示。我们使用的方法基于Fisher向量,其中RNN是生成概率模型,偏导数使用反向传播计算。在两个中心但遥远的任务中获得了最先进的结果,这两个任务都依赖于序列:视频动作识别和图像注释。我们还展示了从图像注释任务到视频动作识别任务的令人惊讶的迁移学习结果。
2015-12-12 cs.CV
Training Protocol Matters: Towards Accurate Scene Text Recognition via Training Protocol Searching
Wangxuan Institute of Computer Technology, Peking University(北京大学王选计算机研究所);State Key Lab of CAD & CG, Zhejiang University(浙江大学CAD&CG国家重点实验室);Ant Group(蚂蚁集团)
在深度学习时代,场景文本识别(STR)的发展主要集中在STR模型的新架构上。然而,训练协议(即,STR模型训练中涉及的超参数的设置),其在成功训练好的STR模型中起着同样重要的作用,但对于场景文本识别来说,还没有得到充分的探索。在这项工作中,我们试图通过寻找最佳的训练协议,以提高现有的STR模型的准确性。具体来说,我们开发了一个训练协议搜索算法,基于一个新设计的搜索空间和一个高效的搜索算法,使用进化优化和代理任务。实验结果表明,我们搜索的训练协议可以提高主流STR模型的识别准确率2.7%~ 3.9%。特别地,使用搜索的训练协议,TRBA-Net实现了比最先进的STR模型高2.1%的准确度(即,EFIFSTR),而推理速度在CPU和GPU上分别快2.3倍和3.7倍。大量的实验证明了所提出的方法的有效性和泛化能力的训练协议发现我们的搜索方法。代码可在https://github.com/VDIGPKU/STR_TPSearch上获得。
2022-03-17 cs.CV
PP-ShiTu: A Practical Lightweight Image Recognition System
Baidu Inc.(百度公司)
近年来,图像识别应用发展迅速。在人脸识别、行人和车辆的重新识别、地标检索、产品识别等不同的领域出现了大量的研究和技术。本文提出了一个实用的轻量级图像识别系统PP-ShiTu,该系统由主体检测、特征提取和矢量搜索三个模块组成。我们引入流行的策略,包括度量学习,深度哈希,知识蒸馏和模型量化,以提高准确性和推理速度。通过上述策略,PP-ShiTu在不同的场景中使用一组在混合数据集上训练的模型工作得很好。在不同的数据集和基准测试上的实验表明,该系统在图像识别的不同领域具有广泛的有效性。上述所有模型都是开源的,代码可以在PaddlePaddle上的GitHub存储库PaddleClas中找到。
2022-01-21 cs.CV
Improving the Annotation of DeepFashion Images for Fine-grained Attribute Recognition
Cortexica Vision Systems(Cortexica视觉系统公司)
DeepFashion是一个广泛使用的服装数据集,包含50个类别和超过20万张图像,其中每张图像都使用细粒度属性进行注释。该数据集通常用于服装识别,虽然它提供了全面的注释,但属性分布不平衡且重复,特别是对于训练细粒度属性识别模型。在这项工作中,我们通过分别关注每个类别,为细粒度属性识别任务量身定制了DeepFashion。在选择具有足够数量的图像进行训练的类别之后,我们删除非常稀缺的属性并合并每个类别中的重复属性,然后根据新的属性列表清理数据集。我们使用一个双线性卷积神经网络与成对排序损失函数的多标签细粒度属性识别,并表明新的注释改善了这样一个任务的结果。每个选定类别的详细注释供公众使用。
2018-07-31 cs.CV
Hide and Seek: How Does Watermarking Impact Face Recognition?
Michigan State University(密歇根州立大学)
本文研究了数字水印对人脸识别模型有效性的影响,提出集生成、水印与识别的综合流水线,发现水印虽能实现稳健图像归属,但会导致识别准确率轻微下降,揭示了二者间的权衡。
2024-04-29 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
Visual Place Representation and Recognition from Depth Images
USTHB University(阿尔及利亚科技大学)
本文提出了一种基于场景结构的场所识别方法。从深度视频,我们计算的3D模型,我们推导和几何描述的2D地图,从场景描述符推导出构成该算法的核心。实验结果表明了该描述子的有效性和对场景外观变化和光照变化的鲁棒性。
2021-12-27 cs.CV
Food Image Recognition by Using Convolutional Neural Networks (CNNs)
Michigan State University(密歇根州立大学);Department of Biosystems and Agricultural Engineering(生物系统与农业工程系)
食品图像识别是视觉目标识别在计算机视觉中很有前途的应用之一。在这项研究中,一个小规模的数据集组成的5822图像的10个类别和一个五层的CNN被构造来识别这些图像。首先评估了与支持向量机(SVM)相结合的特征袋(BoF)模型的图像分类,其总体准确率为56%;而CNN模型表现更好,总体准确率为74%。采用基于几何变换的数据增强技术增加训练图像的大小,在避免基于原始训练数据的CNN过拟合问题的同时,显著提高了90%以上的准确率。通过收集更多的图像和优化网络架构和超参数,可以预期进一步的改进。
2019-02-25 cs.CV