DenseFace: Bias Mitigation in Face Recognition via Density-Aware Probabilistic Matching
VisionLabs；Amazon Web Services（亚马逊云服务）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
针对人脸识别中的种族偏差问题，提出基于冯·米塞斯-费舍尔分布密度感知的概率匹配方法DenseFace，在不降低精度且无需重训练的情况下有效缓解偏差。
2026-09-16 cs.CV
Benchmarking Probabilistic Deep Learning Methods for License Plate Recognition
Univ. of Erlangen-Nürnberg（埃尔朗根-纽伦堡大学）
用于自动车牌识别的基于学习的算法隐含地假设训练数据和测试数据是良好对齐的。然而，在极端环境条件下，或者在无法针对特定采集设备训练系统的法医应用中，情况可能并非如此。对这种分布外图像的预测失败的可能性增加。但是这种故障情况对于人类操作员或自动化系统来说通常很难识别。因此，在这项工作中，我们提出了明确的车牌识别的预测不确定性建模。这种不确定性度量允许检测错误预测，指示分析人员何时不信任自动车牌识别的结果。在本文中，我们比较了两种架构上的三种不确定性量化方法。对合成噪声或模糊低分辨率图像的实验表明，预测不确定性可靠地发现错误的预测。我们还表明，分类和超分辨率的多任务组合将识别性能提高了109%，错误预测的检测提高了29%。
2023-02-02 cs.CV
Improving Classification by Improving Labelling: Introducing Probabilistic Multi-Label Object Interaction Recognition
University of Bristol（布里斯托大学）
这项工作偏离了对象交互的易于定义的类边界。对于对象交互识别的任务，通常使用以自我为中心的观点来捕获，我们表明动词中的语义歧义和识别子交互以及并发交互导致合法的类重叠（图1）。因此，我们的目标是模拟观测和交互类之间的映射，以及类重叠，对一个概率多标签分类器，模仿人类注释。给定包含对象交互的视频片段，我们对可能的动词列表中的动词用于注释该交互的概率进行建模。概率是从众包注释中学习的，并在两个公共数据集上进行测试，包括1405个视频序列，我们为90个动词提供注释。我们在两个数据集上分别比传统的单标签分类高出11%和6%，并表明从注释概率中学习的性能优于多数投票，并能够发现共现标签。
2017-04-21 cs.CV
PIC-Score: Probabilistic Interpretable Comparison Score for Optimal Matching Confidence in Single- and Multi-Biometric (Face) Recognition
INESC TEC（葡萄牙国家电气与计算机工程系统研究所）；Faculdade de Engenharia da Universidade do Porto（波尔图大学工程学院）；Paderborn University（帕德博恩大学）
本文提出概率可解释比较分数 PIC，用于估计人脸匹配决策正确的概率，并支持多样本最优融合；在四个数据库和五个前沿人脸识别系统上验证了其概率解释准确性与多生物特征识别效果。
2023-04-21 cs.CV
ProbRes: Probabilistic Jump Diffusion for Open-World Egocentric Activity Recognition
CSSE Department, Auburn University（计算机科学与工程系，阿伯丁大学）
针对开放世界第一人称活动识别的挑战，提出基于跳跃扩散的概率残差搜索框架ProbRes，结合常识先验与VLMs进行高效搜索，在多个基准上达到SOTA并建立了开放世界识别分类法。
2025-10-10 cs.CV
A Probabilistic Jump-Diffusion Framework for Open-World Egocentric Activity Recognition
CSSE Department, Auburn University（安全科学与工程系，阿伯丁大学）
提出基于跳跃-扩散的概率残差搜索框架ProbRes，通过结合常识先验与VLM优化，在多开放度级别下高效识别未见第一人称活动并达到SOTA性能。
2025-05-28 cs.CV
Probabilistic Neural Network with Complex Exponential Activation Functions in Image Recognition using Deep Learning Framework
如果训练数据集不是很大，通常用迁移学习方法来实现图像识别。在这些方法中，使用深度卷积神经网络提取特征，该深度神经网络是用外部非常大的数据集进行初步训练的。在本文中，我们考虑的非参数分类提取的特征向量的概率神经网络（PNN）。PNN模式层的神经元数目与数据库大小相等，这导致了该网络的识别性能较低和存储空间复杂度较高。我们建议通过将高斯Parzen核中的指数激活函数替换为Fejér核中的复指数函数来克服这些缺点。我们证明，在这种情况下，它是可能的，以实现网络的模式层中的神经元的数量成正比的数据库大小的立方根。因此，所提出的修改PNN使得有可能显着降低运行时间和内存的复杂性，而不会失去其主要优点，即，非常快速的训练过程和收敛到最佳贝叶斯决策。在视觉对象类别分类和无约束人脸识别与当代深度神经网络的实验研究表明，我们的方法获得了非常有效的和相当准确的决策相比，知名的分类器的小训练样本。
2017-08-09 cs.CV
Holistic Uncertainty Estimation For Open-Set Recognition
Skoltech（斯克里普丘尔技术大学）
针对开集识别中样本质量无法反映类别重叠歧义的问题，提出基于贝叶斯概率模型的 HolUE，联合建模底库与嵌入不确定性，并在图像、音频及鲸豚识别协议上验证其错误识别优势。
2025-06-11 cs.AI cs.CV cs.LG
Human Activity Recognition Using Robust Adaptive Privileged Probabilistic Learning
在这项工作中，一种新的方法的基础上学习使用特权信息（LUPI）范式识别复杂的人类活动的建议，在测试过程中处理丢失的信息。我们提出了一种监督概率方法，集成LUPI到一个隐藏的条件随机场（HCRF）模型。所提出的模型被称为HCRF+，可以使用最大似然法和最大边际法进行训练。它采用了自训练技术的目标函数的正则化参数的自动估计。此外，该方法通过由学生的\textit{t} -密度函数对特权信息的条件分布进行建模，提供了对离群值（如噪声或缺失数据）的鲁棒性，该密度函数自然地集成到HCRF+框架中。对不同形式的保密信息进行了调查。使用四个具有挑战性的公开可用的数据集和实验结果表明，该方法的有效性相对于最先进的LUPI框架中使用手工制作的功能和功能提取的卷积神经网络。
2017-09-19 cs.CV
Patch-based Probabilistic Image Quality Assessment for Face Selection and Improved Video-based Face Recognition
NICTA（澳大利亚国家信息与通信技术研究院）；The University of Queensland（昆士兰大学）
在基于视频的人脸识别中，人脸图像通常在不受控制的条件下在多个帧上捕获，其中头部姿势、照明、阴影、运动模糊和焦点在序列上变化。此外，面部定位的不准确也会引入尺度和对齐变化。使用所有人脸图像，包括质量差的图像，实际上会降低人脸识别性能。虽然一种解决方案是仅使用图像的“最佳”子集，但是当前的面部选择技术不能同时处理所有上述问题。我们提出了一个有效的基于块的人脸图像质量评估算法，量化的相似性的人脸图像的概率人脸模型，代表一个“理想”的脸。影响识别的图像特征被考虑在内，包括几何对齐（移位、旋转和缩放）、锐度、头部姿势和投射阴影的变化。在FERET和PIE数据集上的实验表明，该算法能够同时识别最正面、对齐、清晰和光照良好的图像。在一个新的视频监控数据集（称为ChokePoint）上的进一步实验表明，该方法提供了比现有人脸选择技术更好的人脸子集，从而显着提高了识别精度。
2014-03-14 cs.CV stat.AP
Open Set Recognition with Conditional Probabilistic Generative Models
Nanyang Technological University（南洋理工大学）
深度神经网络在广泛的视觉理解任务中取得了突破。阻碍其现实应用的一个典型挑战是，在测试阶段可能会将未知样本输入系统，但传统的深度神经网络会错误地将这些未知样本识别为已知类别之一。开集识别（Open Set Recognition，OSR）是解决这一问题的一种有效方法，它要求开集分类器具有拒绝未知样本的灵活性，同时在已知类别中保持较高的分类精度。概率生成模型，如变分自编码器（VAE）和对抗性自编码器（AAE），是检测未知数的流行方法，但它们不能为已知分类提供判别表示。在本文中，我们提出了一个新的框架，称为条件概率生成模型（CPGM），开集识别。我们工作的核心见解是将判别信息添加到概率生成模型中，使得所提出的模型不仅可以检测未知样本，还可以通过强制不同的潜在特征近似条件高斯分布来分类已知类别。我们讨论了许多模型变体，并提供了全面的实验来研究它们的特性。在多个基准数据集上的实验结果表明，该方法的性能明显优于基线，达到了新的最先进的性能。
2021-02-09 cs.CV cs.LG stat.ML
Visual Place Recognition with Probabilistic Vertex Voting
ETH Zurich（苏黎世联邦理工学院）
我们提出了一个新的评分概念，视觉识别的基础上最近邻描述符投票，并演示了如何自然出现的问题制定算法。基于可以使用二项分布模型来评估匹配位置的投票数的观察，可以以高精度检测循环闭合。通过将问题转换为概率框架，我们不仅消除了对常用启发式参数的需要，而且还提供了一个强大的分数来分类匹配和不匹配的地方。我们提出了基于上述评分的2D-2D姿态图顶点匹配和2D-3D地标匹配的方法。该方法通过使用紧凑（低维）的描述符和快速最近邻检索技术，保持准确性，同时足够有效的在线应用。在不同环境中的几个具有挑战性的数据集上对所提出的方法进行了评估，显示出具有高精度和高召回率的最新结果。
2018-06-07 cs.CV cs.RO
Probabilistic Face Embeddings
Michigan State University（密歇根州立大学）
嵌入方法通过在潜在语义空间中比较人脸特征，在人脸识别中取得了成功。然而，在完全不受约束的人脸设置中，嵌入模型学习的面部特征可能是模糊的，甚至可能不存在于输入人脸中，从而导致噪声表示。我们提出了概率人脸嵌入（PFEs），它表示每个人脸图像作为一个高斯分布在潜在的空间。分布的均值估计最可能的特征值，而方差显示特征值的不确定性。然后可以自然地导出概率解，用于使用不确定性信息来匹配和融合PFE。在不同基线模型、训练数据集和基准测试上的实验结果表明，该方法可以将确定性嵌入转换为PFE，从而提高人脸识别性能。PFE估计的不确定性也可以作为潜在匹配精度的良好指标，这对于风险控制的识别系统是重要的。
2019-08-07 cs.CV
Zero-shot Generation of Training Data with Denoising Diffusion Probabilistic Model for Handwritten Chinese Character Recognition
Microsoft Research Asia（微软亚洲研究院）；University of Science and Technology of China（中国科学技术大学）
本文提出利用去噪扩散概率模型将字库字形转换为手写风格，实现未见汉字类别的零样本训练数据生成，并在CASIA-HWDB上验证了合成样本训练的手写汉字识别系统可与真实样本训练效果相当。
2023-05-25 cs.CV
Probabilistic Attribute Tree in Convolutional Neural Networks for Facial Expression Recognition
University of South Carolina（南卡罗来纳大学）；Innopeak Technology Inc.（Innopeak科技公司）
在本文中，我们提出了一种新的概率属性树CNN（PAT-CNN）来显式处理由身份相关属性引起的大的类内变化，例如，年龄种族和性别具体地说，提出了一种新的PAT模块与相关的PAT损失学习功能的层次树结构组织根据属性，其中最终的功能是受属性的影响较小。然后，从叶节点中提取与表情相关的特征。样本被概率性地分配到不同级别的树节点，使得可以从按概率加权的所有样本中学习与表达相关的特征。我们进一步提出了一种半监督策略，从有限的属性注释样本中学习PAT-CNN，以充分利用可用数据。在五个人脸表情数据集上的实验结果表明，所提出的PAT-CNN通过显式地建模属性，性能优于基线模型。更令人印象深刻的是，与使用数百个CNN的集成的最先进方法相比，使用单个模型的PAT-CNN在SFEW数据集上实现了野外人脸的最佳性能。
2018-12-17 cs.CV
Probabilistic Visual Place Recognition for Hierarchical Localization
Queensland University of Technology（昆士兰科技大学）
视觉定位技术通常包括分层定位流水线，其中视觉位置识别模块用作粗略定位器以初始化姿态细化阶段。虽然改进姿态细化步骤一直是最近许多研究的焦点，但粗定位阶段的大多数工作都集中在改进上，例如增加对外观变化的不变性，而没有改进可能是松散的误差容限。在这封信中，我们提出了两种方法，适应图像检索技术用于视觉识别的贝叶斯状态估计制定本地化。我们展示了显着的改进，使用我们的方法的粗定位阶段的定位精度，同时保留国家的最先进的性能在严重的外观变化。在Oxford RobotCar数据集上进行了广泛的实验，结果表明，我们的方法在定位图像序列的精确召回性能方面优于同类最先进的方法。此外，我们提出的方法提供了灵活性，以上下文规模的本地化延迟，以实现这些改进。改进的初始定位估计开启了利用该改进的空间先验的改进的整体定位性能和修改的姿态细化技术两者的可能性。
2021-05-07 cs.CV cs.RO
Unified Probabilistic Deep Continual Learning through Generative Replay and Open Set Recognition
Goethe University（歌德大学）；The University of Texas at Austin（得克萨斯大学奥斯汀分校）；Yonsei University（延世大学）
众所周知，现代深度神经网络在面对未知数据实例时是脆弱的，并且识别后者仍然是一个挑战。虽然持续学习系统不可避免地会遇到这些看不见的概念，但相应的文献似乎主要集中在减轻对学习表征的灾难性干扰上。在这项工作中，我们引入了一种概率方法，该方法基于变分推理在单个深度自动编码器模型中连接这些观点。具体而言，我们建议通过在正确分类的数据点的基础上拟合高密度区域来约束近似后验。这些界限具有双重目的：可以将看不见的未知分布数据与已经训练的已知任务区分开来，以实现强大的应用程序。同时，为了保留已经获得的知识，生成重放过程可以被缩小到严格分布内的样本，以便显著减轻灾难性干扰。
2022-04-01 cs.CV cs.LG cs.NE
Latent Cognizance: What Machine Really Learns
Khon Kaen University（孔敬大学）
尽管在识别准确性方面取得了压倒性的成就，但在可扩展的机器学习推理中，扩展开集能力（识别问题超出范围的能力）仍然具有很大的挑战性。最近的一项研究发现了潜在认知（LC）-基于新的概率解释，贝叶斯定理和常用识别推理结构的内部结构分析的识别机制的见解。新的解释强调了一个潜在的假设，一个被忽视的概率条件下学习推理模型。LC的可行性已经在手语识别的任务中显示出来，但它的潜力和意义可以远远超出特定的领域，并可以将对象识别推向可扩展的开集识别。然而，LC新的概率解释还没有直接调查。本文在一个可追溯的语境下考察了这一新的解释。我们的研究结果支持了LC的理论基础，并揭示了学习分类推理背后的隐藏机制。这些发现的衍生物可能会导致一个简单而有效的解决方案，以开放式识别。
2021-10-29 cs.CV cs.LG
A Probabilistic Theory of Deep Learning
Rice University（莱斯大学）
机器学习面临的一个巨大挑战是开发计算算法，使其在因干扰变化而复杂化的感知推理任务中匹配或优于人类。例如，视觉对象识别涉及对象识别中的未知对象位置、方向和尺度，而语音识别涉及未知的语音发音、音高和速度。最近，出现了一种新的深度学习算法，用于高干扰推理任务，这些任务通常会产生具有接近或超人类能力的模式识别系统。但一个基本问题仍然存在：它们为什么有效？直觉比比皆是，但理解，分析和合成深度学习架构的连贯框架仍然难以捉摸。我们通过基于深度渲染模型开发一个新的深度学习概率框架来回答这个问题：一个生成概率模型，可以显式捕获潜在的滋扰变化。通过将生成模型放松为判别模型，我们可以恢复当前领先的两种深度学习系统，深度卷积神经网络和随机决策森林，从而深入了解它们的成功和缺点，以及改进它们的原则性路线。
2015-04-02 cs.CV cs.LG cs.NE
SwitchHit: A Probabilistic, Complementarity-Based Switching System for Improved Visual Place Recognition in Changing Environments
University of Essex（埃塞克斯大学）；Queensland University of Technology（昆士兰科技大学）
视觉位置识别是计算机视觉和机器人学的一项基础性研究，主要是基于视觉信息的位置识别问题。由于天气和季节变化等原因，视角和外观的变化使这项任务具有挑战性。目前，还没有通用的VPR技术可以在所有类型的环境中，在各种机器人平台上，以及在广泛的视角和外观变化下工作。最近的工作表明，通过评估某些特定VPR数据集的互补性，可以智能地组合不同的VPR方法，以实现更好的性能。然而，这需要地面实况信息（正确匹配），当机器人部署在真实世界场景中时，这是不可用的。此外，并行运行多个VPR技术对于资源受限的嵌入式平台可能是禁止的。为了克服这些局限性，本文提出了一种基于概率互补的切换VPR系统，SwitchHit。我们提出的系统由多个VPR技术，但是，它并不简单地运行所有的技术在一次，而是预测正确匹配的概率为传入的查询图像和动态切换到另一个互补的技术，如果正确匹配的查询的概率低于一定的阈值。这种创新性地使用多种VPR技术，使我们的系统比其他采用蛮力和同时运行多种VPR技术的组合VPR方法更有效和鲁棒。因此，使其更适合于资源受限的嵌入式系统，并实现了系统中任何单独的VPR方法通过独立运行所能实现的整体优越性能。
2022-03-01 cs.CV
PROBE: Probabilistic Occupancy BEV Encoding with Analytical Translation Robustness for 3D Place Recognition
SK Intellix
提出无学习的LiDAR地点描述符PROBE，通过极坐标雅可比解析边缘化连续平移，实现距离自适应角度不确定性，在跨传感器泛化中取得高精度。
2026-07-01 cs.CV cs.RO
Video Face Matching using Subset Selection and Clustering of Probabilistic Multi-Region Histograms
NICTA；The University of Queensland（昆士兰大学）
平衡计算效率和识别精度是基于视频的真实世界人脸识别的主要挑战之一。任何这样的系统的一个重要的设计决策是是否处理和使用在视频帧上检测到的所有可能的面部，或者是否仅选择几个“最佳”面部。本文提出了一种基于概率多区域直方图的视频人脸识别系统，以消除性能权衡：（i）选择一个子集的脸相比，使用所有的脸，和（ii）通过聚类组合来自所有的脸的信息。三个人脸选择指标进行评估，选择一个子集：人脸检测的信心，随机子集，和顺序选择。在最近引入的MOBIO数据集上的实验表明，通过聚类使用所有人脸的效果总是优于只选择人脸的子集。实验还表明，基于人脸检测置信度的人脸选择度量通常比随机或顺序采样提供更好的识别性能。此外，最佳的人脸数量在选择度量和MOBIO子集之间变化很大。考虑到计算量、识别精度和鲁棒性之间的权衡，建议人脸特征聚类在批处理中最有利（特别是对于基于视频的监视列表），而人脸选择方法应限于具有显著计算限制的应用。
2013-03-26 cs.CV cs.IR
Joint Recognition and Segmentation of Actions via Probabilistic Integration of Spatio-Temporal Fisher Vectors
University of Queensland（昆士兰大学）；Queensland University of Technology（昆士兰科技大学）；NICTA（澳大利亚国家信息通信技术中心）；Data61, CSIRO（澳大利亚联邦科学与工业研究组织 Data61）
我们提出了一个分层的方法来进行联合分类和分割的多动作识别。一个给定的视频（包含几个连续的动作）通过一系列重叠的时间窗口进行处理。时间窗口中的每个帧通过选择性的低级别时空特征来表示，这些特征有效地捕获相关的局部动态。来自每个窗口的特征被表示为Fisher向量，其捕获一阶和二阶统计量。不是直接对每个Fisher向量进行分类，而是将其转换为类别概率的向量。然后，通过在帧级整合类概率来获得每个帧的最终分类决策，这利用了时间窗口的重叠。实验在两个数据集上进行：s-KTH（KTH数据集的拼接版本，用于模拟多动作）和具有挑战性的CMU-MMAC数据集。在s-KTH上，所提出的方法实现了85.0%的准确率，显著优于最近基于Gestival和Hestival的两种方法，分别获得78.3%和71.2%。在CMU-MMAC上，该方法的准确率为40.9%，优于GMM和HMM方法，分别为33.7%和38.4%。此外，所提出的系统平均比基于GMM的方法快40倍。
2016-10-04 cs.CV
Object Recognition as Classification via Visual Properties
University of Trento（特伦托大学）
我们的工作基础上的目的语义的概念建模的能力，实现不同的功能，识别和分类。因此，我们建模两种类型的概念-物质概念适合利用视觉特性的对象识别，和分类概念适合利用语言学接地属性的物质概念的分类。本文的目标是证明对象识别可以被解释为通过视觉特性进行分类，这与主流计算机视觉中的工作不同。为此，我们提出了一个对象识别过程的基础上Ranganathan的四阶段的知识组织过程，接地在目的语义的物质概念和分类概念的区别。我们还简要介绍了正在进行的多媒体UKC项目，其目的是建立一个目标识别资源，按照我们提出的过程
2021-12-28 cs.AI cs.CV
Automatic Road Subsurface Distress Recognition from Ground Penetrating Radar Images using Deep Learning-based Cross-verification
Department of Engineering Mechanics, School of Civil Engineering and Transportation, South China University of Technology（华南理工大学土木工程与交通学院力学系）；Guangdong Provincial Academy of Building Research Group Co. Ltd.（广东省建筑科学研究集团有限公司）；School of Civil and Transportation Engineering, Guangdong University of Technology（广东工业大学土木与交通学院）
本文提出一种跨验证策略，利用不同视角的GPR图像区域建议网络，提升道路地下缺陷识别的准确率，测试中召回率超过98.6%。
2026-04-14 cs.AI cs.CV
Differential Viewpoints for Ground Terrain Material Recognition
Rutgers University–New Brunswick（罗格斯大学新布朗斯维克分校）；Amazon AI, Amazon Web Services Inc（亚马逊人工智能，亚马逊网络服务公司）；Kyoto University（京都大学）
作为材料识别基础的计算表面建模已经从使用实验室控制的辐射测量的反射率建模过渡到基于在场景中捕获的互联网挖掘的单视图图像的基于图像的表示。我们采取了一种中间地带的方法来进行材料识别，该方法利用了丰富的辐射线索和灵活的图像捕获。一个关键的概念是差分角度成像，其中图像捕获中的小角度变化使角度梯度特征能够增强外观表示，从而提高识别率。我们建立了一个大规模的材料数据库，即户外场景地面地形（GTOS）数据库，以支持自动驾驶和机器人导航等应用的地面地形识别。该数据库包括30，000多张图像，涵盖40类不同天气和照明条件下的户外地面地形。我们开发了一种新的材料识别方法，称为纹理编码角度网络（TEAN），它结合了RGB信息的深度编码池和角度梯度特征的差分角度图像，以充分利用这个大型数据集。通过这种新颖的网络架构，我们提取了材料的特征，这些特征编码在它们外观的角度和空间梯度中。我们的研究结果表明，TEAN实现识别性能，超越单视图性能和标准（非差分/大角度采样）多视图性能。
2020-09-22 cs.CV
Deep Data Augmentation for Weed Recognition Enhancement: A Diffusion Probabilistic Model and Transfer Learning Based Approach
Michigan State University（密歇根州立大学）；Mississippi State University（密西西比州立大学）
杂草管理在许多现代农业应用中起着重要作用。传统的杂草控制方法主要依靠化学除草剂或人工除草，这些方法往往成本低，对环境不友好，甚至对食品安全和人类健康构成威胁。最近，使用机器视觉系统的自动/机器人除草由于其精确和个性化杂草处理的潜力而受到越来越多的研究关注。然而，专用的，大规模的，标记的杂草图像数据集需要开发强大的和有效的杂草识别系统，但他们往往是困难和昂贵的获得。为了解决这个问题，已经探索了数据增强方法，例如生成对抗网络（GANs），以生成用于农业应用的高度逼真的图像。然而，尽管取得了一些进展，这些方法通常是复杂的训练或有困难的保留图像中的细节。在本文中，我们提出的第一项工作，应用扩散概率模型（也称为扩散模型），以产生高质量的合成杂草图像的基础上迁移学习。综合实验结果表明，所开发的方法始终优于几个国家的最先进的GAN模型，代表样本保真度和多样性之间的最佳权衡和最高的FID分数在一个共同的杂草数据集，棉花杂草ID 15。此外，使用合成杂草图像扩展数据集可以明显提高杂草分类任务的四个深度学习（DL）模型的模型性能。此外，在CottonWeedID 15数据集上训练的DL模型只有10%的真实图像和90%的合成杂草图像，测试准确率超过94%，显示出高质量的杂草样本。本研究的代码可在https://github.com/DongChen06/DMWeeds上公开获取。
2022-10-18 cs.CV
Deep Texture Manifold for Ground Terrain Recognition
Rutgers University（罗格斯大学）；Amazon AI（亚马逊人工智能）
我们提出了一个纹理网络称为深度编码池网络（DEP）的地面地形识别的任务。地面地形的识别是建立机器人或车辆控制参数以及在室外环境中定位的重要任务。DEP的架构集成了无序的纹理细节和局部空间信息和DEP的性能超过了国家的最先进的方法，这项任务。全球地面观测系统数据库（由室外场景中40类地面地形的30，000多幅图像组成）能够进行监督识别。为了在现实条件下进行评估，我们使用的测试图像不是来自现有的GTOS数据集，而是来自类似地形的手持手机视频。这个新的评估数据集GTOS-mobile由31类地面地形的81个视频组成，如草地，砾石，沥青和沙子。由此产生的网络表现出优异的性能，不仅为GTOS-mobile，但也为更一般的数据库（MINC和DTD）。利用从该网络中学习到的判别特征，我们构建了一个新的纹理流形，称为DEP流形。我们以完全监督的方式学习特征空间中的参数分布，它给出了类之间的距离关系，并提供了一种隐式表示模糊类边界的方法。源代码和数据库是公开的。
2018-04-03 cs.CV
ORCEA: Object Recognition by Continuous Evidence Assimilation
ORCEA是一种新的对象识别方法，适用于生成模型描述的对象。ORCEA的主要目标是在对象参数空间上保持可能匹配的概率密度分布，同时使用传入的证据不断更新它;检测和回归是这个过程的副产品。ORCEA可以投影各种类型的原始证据（边缘元素，区域片等）。直接在对象参数空间上;这是通过研究阶段实现的，其中ORCEA为每个证据类型构建概率模型，该模型将证据与创建它们的对象参数联系起来。检测阶段包括建立由给定证据集产生的可能匹配的联合分布，包括可能的信号/噪声分组;不需要额外的算法步骤，因为所产生的PDF封装了关于可能解决方案的所有知识。ORCEA将参数空间上的匹配分布表示为一组高斯分布，每个高斯分布表示关于对象的具体概率假设，其也可以在其范围之外使用。ORCEA在具有不同复杂度和噪声水平的合成图像上进行了测试，并显示出令人满意的结果。
2021-05-11 cs.CV
Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adversarial Modeling
MIT CSAIL（麻省理工学院计算机科学与人工智能实验室）；Google Research（谷歌研究院）
研究了三维物体的生成问题。我们提出了一个新的框架，即3D生成对抗网络（3D-GAN），它通过利用体积卷积网络和生成对抗网络的最新进展从概率空间生成3D对象。我们的模型的好处有三方面：首先，使用对抗性标准，而不是传统的启发式标准，使生成器能够隐式地捕获对象结构并合成高质量的3D对象;其次，生成器建立从低维概率空间到3D对象空间的映射，使得我们可以在没有参考图像或CAD模型的情况下对对象进行采样，并探索3D对象流形;第三，对抗性学习提供了一个强大的3D形状描述符，无需监督即可学习，在3D对象识别中具有广泛的应用。实验表明，我们的方法生成高质量的3D对象，我们的无监督学习功能实现令人印象深刻的性能上的3D对象识别，与那些监督学习方法。
2017-01-04 cs.CV cs.LG
Spatiotemporal Fusion in 3D CNNs: A Probabilistic View
Microsoft Research Asia（微软亚洲研究院）；University of Science and Technology of China（中国科学技术大学）
尽管在静态图像识别方面取得了成功，但用于时空信号任务（例如视频中的人类动作识别）的深度神经网络在过去几年中仍然存在低效率和低效率。最近，人类专家投入了更多的精力来分析3D卷积神经网络（3D CNN）中不同组件的重要性，以设计更强大的时空学习骨干。其中，时空融合是其中的一个关键。它控制在推理过程中如何在每一层提取空间和时间信号。以前的尝试通常从ad-hoc设计开始，这些设计经验性地结合某些卷积，然后根据训练相应网络获得的性能得出结论。这些方法只支持对有限数量的融合策略进行网络级分析。在本文中，我们建议将时空融合策略转换成一个概率空间，这使我们能够执行网络级的各种融合策略的评估，而不必单独进行训练。此外，我们还可以获得细粒度的数值信息，如层级偏好的时空融合的概率空间内。我们的方法大大提高了时空融合分析的效率。基于概率空间，我们进一步生成新的融合策略，在四个著名的动作识别数据集上实现了最先进的性能。
2020-04-10 cs.CV
Modeling Extent-of-Texture Information for Ground Terrain Recognition
Institute of Engineering and Management（工程与管理学院）；Indian Statistical Institute（印度统计研究所）；Indian Institute of Technology Roorkee（鲁尔基印度理工学院）
地面地形识别是一项困难的任务，因为背景信息在地面地形图像的区域上变化很大。在本文中，我们提出了一种新的方法对地面地形识别通过建模的纹理信息的范围，建立一个无秩序的纹理分量和有序的空间信息之间的平衡。该方法首先利用CNN骨干特征提取器网络获取地面图像的有意义信息，并对纹理和形状信息的程度进行局部建模。然后，将无序纹理信息和有序形状信息进行分块编码，域内消息传递模块利用分块编码，使每个分块都能相互感知，从而实现丰富的特征学习。接下来，纹理范围（EoT）引导的域间消息传递模块以逐块方式将纹理和形状信息的范围与编码的纹理和形状信息组合以用于共享知识，以平衡无序纹理信息与有序形状信息。此外，双线性模型生成的有序形状信息和有序纹理信息之间的成对相关性。最后，地面-地形图像分类是由一个完全连接层。实验结果表明，该模型优于现有的国家的最先进的技术公开可用的数据集，如DTD，MINC和GTOS-mobile的性能。
2020-10-27 cs.CV
Deep Affordance-grounded Sensorimotor Object Recognition
Centre for Research and Technology Hellas（希腊研究与科技中心）；University of Thessaly（色萨利大学）
认知神经科学已经确立，人类对物体的感知构成了一个复杂的过程，其中物体外观信息与关于所谓的物体“启示”的证据相结合，即人类在与它们交互时通常执行的动作类型。这一事实最近激发了“感觉运动”方法来完成具有挑战性的自动对象识别任务，其中两个信息源被融合以提高鲁棒性。在这项工作中，上述范式被采用，超越目前的局限性的感觉运动物体识别研究。具体来说，深度学习范式首次被引入到这个问题中，开发了许多新颖的神经生物学和神经生理学启发的架构，这些架构利用最先进的神经网络以多种方式融合可用的信息源。所提出的方法进行评估，使用一个大型的RGB-D语料库，这是专门收集的感觉运动对象识别的任务，并公开提供。实验结果表明，效用的启示信息的对象识别，实现了高达29%的相对误差减少其列入。
2017-04-10 cs.CV
Budget-Aware Graph Convolutional Network Design using Probabilistic Magnitude Pruning
Sorbonne University（索邦大学）；UPMC（巴黎第六大学）；CNRS（法国国家科学研究中心）
本文提出概率幅值剪枝（PMP）方法，通过变分方式联合训练网络拓扑与权重，实现任意固定剪枝率并提升轻量级图卷积网络在高剪枝率下的泛化性能。
2023-05-30 cs.CV
Collaborative Recognition of Feasible Region with Aerial and Ground Robots through DPCN
Zhejiang University（浙江大学）
地面机器人总是会发生碰撞，只有当它们接近障碍物时，它们才能感知到危险并采取行动，这通常为时已晚，无法避免碰撞，对机器人造成严重损害。为了解决这个问题，我们提出了空中和地面机器人的合作，认识到可行域。该协作工作利用空中机器人与地面机器人在同一路线上的视点变化范围大的优势，为地面机器人提供道路分割的全局信息，使其能够提前获得可行区域并调整其位姿。一般情况下，GPS可以得到两种设备之间的转换，但误差较大，直接影响可行域的识别。因此，我们利用最先进的研究成果，在匹配异构传感器测量称为深相位相关网络（DPCN），这对异构映射具有优异的性能，细化的转换。该网络是轻量级的，有希望更好的推广。我们使用Aero-Ground数据集，其中包括异构传感器图像和空中道路分割图像。实验结果表明，该系统具有较高的准确性、快速性和稳定性。
2021-05-17 cs.CV cs.RO
GVDepth: Zero-Shot Monocular Depth Estimation for Ground Vehicles based on Probabilistic Cue Fusion
University of Zagreb Faculty of Electrical Engineering and Computing（Zagreb大学电子工程与计算学院）
针对地面车辆单目深度估计泛化难的问题，提出规范表示解耦相机参数，并设计概率融合架构结合尺寸与位置线索，在五个自动驾驶数据集上实现零样本准确度量深度估计。
2025-09-25 cs.AI cs.CV cs.RO
A Proposal-Free Query-Guided Network for Grounded Multimodal Named Entity Recognition
本文提出无提案查询引导网络，通过文本引导和跨模态交互统一多模态推理与解码，提升开放域场景下的命名实体识别精度与鲁棒性。
2026-03-19 cs.CV
Probabilistic Contrastive Learning for Long-Tailed Visual Recognition
Tsinghua University（清华大学）
针对长尾视觉识别中的数据不平衡问题，提出概率对比学习（ProCo）算法，通过假设归一化特征服从vMF混合分布，实现高效分布估计与无限对比对采样，并推导闭式损失以优化性能。
2024-03-14 cs.CV cs.LG
BHaRNet: Reliability-Aware Body-Hand Modality Expertized Networks for Fine-grained Skeleton Action Recognition
School of Computing, KAIST（韩国釜山国立大学计算机学院）
BHaRNet通过可靠性建模和多模态整合，提升细粒度骨骼动作识别的鲁棒性和准确性。
2026-01-01 cs.CV
Calibrating Probabilistic Object Detectors with Annotator Disagreement
organization= Faculty of Dentistry, Oral \& Craniofacial Sciences, King's College London , city= London , country= United Kingdom
针对目标检测中因物体模糊性导致标注者分歧的问题，提出一种无需真实标注即可校准概率目标检测器的方法，通过设计分类和定位校准误差指标及训练时/事后校准器，使模型预测不确定性匹配标注分布。
2026-05-23 cs.CV
More Information Supervised Probabilistic Deep Face Embedding Learning
Guangzhou Huya Technology Co., Ltd（广州虎牙科技有限公司）；University of Oxford（牛津大学）
基于间隔的比较损失的研究证明了惩罚人脸特征与其对应的类中心之间的距离的有效性。尽管他们的流行和出色的性能，他们没有明确鼓励通用嵌入学习的开集识别问题。本文从概率的角度分析了基于容限的softmax损失。从这个角度出发，我们提出了两个一般原则：1）单调递减和2）边际概率惩罚，用于设计新的边际损失函数。与使用单一比较度量进行优化的方法不同，我们提供了一个新的视角，将开集人脸识别视为一个信息传输问题。同时，该算法在保证更多干净信息的前提下，具有较好的泛化能力。提出了一种称为线性自动TS编码器（LASSE）的自动编码器架构来证实这一发现。在多个基准测试上的大量实验表明，LASSE有助于人脸嵌入获得更强的泛化能力，并在MegaFace测试中将开放训练数据集的单个模型性能提高到$99\%$以上。
2020-06-11 cs.CV cs.LG
View-Invariant, Occlusion-Robust Probabilistic Embedding for Human Pose
Google Research（谷歌研究院）；California Institute of Technology（加州理工学院）；Rutgers University（罗格斯大学）
人类姿势和动作的识别对于自主系统与人顺利交互至关重要。然而，相机通常以图像和视频的形式捕获2D中的人类姿势，这可能在视点之间具有显著的外观变化，这使得识别任务具有挑战性。为了解决这个问题，我们探索识别相似性的三维人体姿势从二维信息，这还没有得到很好的研究，在现有的作品。在这里，我们提出了一种从2D身体关节关键点学习紧凑的视图不变嵌入空间的方法，而无需显式预测3D姿势。来自投影和遮挡的2D姿势的输入模糊性难以通过确定性映射来表示，因此我们采用概率公式来表示嵌入空间。实验结果表明，我们的嵌入模型实现了更高的准确性检索相似的姿态在不同的相机视图，在3D姿态估计模型相比。我们还表明，通过训练一个简单的时间嵌入模型，我们在姿态序列检索上取得了优异的性能，并大大降低了基于堆叠帧的嵌入的嵌入维数，以实现高效的大规模检索。此外，为了使我们的嵌入能够与部分可见的输入一起工作，我们在训练期间进一步研究了不同的关键点遮挡增强策略。我们证明，这些闭塞增强显着提高检索性能的部分2D输入构成。动作识别和视频对齐的结果表明，使用我们的嵌入而无需任何额外的训练，相对于为每个任务专门训练的其他模型，可以实现具有竞争力的性能。
2021-11-18 cs.CV
Differential Angular Imaging for Material Recognition
Rutgers University（罗格斯大学）；Drexel University（德雷塞尔大学）
对于计算机视觉来说，现实世界户外表面的材料识别变得越来越重要，以支持其在“野外“的操作。“作为材料识别基础的计算表面建模已经从使用实验室控制的辐射测量的反射率建模过渡到基于互联网挖掘的场景中捕获的材料图像的基于图像的表示。我们建议采取一种中间地带的方法，利用丰富的辐射线索和灵活的图像捕捉的材料识别。我们实现了这一点，通过开发一个框架，差分角度成像，在图像捕获中的小角度变化提供了增强的外观表示和显着的识别改进。我们建立了一个大规模的材料数据库，地面地形在户外场景（GTOS）数据库，面向真正使用的自主智能体。该数据库包括30，000多张图像，涵盖40类不同天气和照明条件下的户外地面地形。我们开发了一种新的材料识别方法，称为差分角度成像网络（DAIN），以充分利用这个大型数据集。通过这种新颖的网络架构，我们提取了材料的特征，这些特征编码在它们外观的角度和空间梯度中。我们的研究结果表明，DAIN实现识别性能，超越单视图或粗量化的多视图图像。这些结果证明了差分角成像作为灵活的就地材料识别的手段的有效性。
2017-07-14 cs.CV
Aerial-ground LiDAR place recognition with patch-level self-supervised learning and expanded reciprocal re-ranking
University of Calgary（卡尔加里大学）；Nanchang University（南昌大学）；Nanyang Technological University（南洋理工大学）；Wuhan University（武汉大学）
提出一种空地激光雷达地点识别框架，通过多尺度块级自监督学习缩小域差距，并利用扩展互逆重排序算法减少误检，在多个数据集上显著提升检索精度。
2026-06-18 cs.CV cs.RO
Impact of Ground Truth Quality on Handwriting Recognition
University of Fribourg（弗里堡大学）；HES-SO（瑞士西部高等专业学院）
针对古代手写文本标注数据难获取、Bullinger数据库自动对齐标注存在系统性误差的问题，研究了这类ground truth误差对手写识别训练与评估的影响，提出了典型对齐误差的检测纠正方法。
2023-12-14 cs.CV
Recognition Awareness: An Application of Latent Cognizance to Open-Set Recognition
Uttaradit Rajabhat University（程逸皇家大学）
本研究探讨了一种新的概率解释的softmax输出开集识别（OSR）的应用。Softmax是一种广泛用于分类和对象识别的机制。然而，softmax机制迫使模型在闭集范式下运行，即，从一组预定义的标签中预测出一个对象类。这个特性有助于分类的有效性，但在对象识别中造成无意义预测的风险。目标识别往往是在动态变化的条件下进行的。任何时候都可能遇到外来对象--任何未准备好的类的对象。OSR旨在解决在对象识别中识别外来对象的问题。基于贝叶斯定理和强调上下文条件化的思想，对softmax推理进行了重新解释。这种重新解释导致了OSR的新方法，称为潜在认知（LC）。我们的调查采用了各种场景，使用Imagenet 2012数据集以及傻瓜和开放集图像。研究结果支持LC假说，并显示其有效性的OSR。
2021-10-29 cs.CV
CrossLoc3D: Aerial-Ground Cross-Source 3D Place Recognition
University of Maryland, College Park（马里兰大学帕克分校）；DEVCOM Army Research Laboratory（美国陆军作战能力发展司令部陆军研究实验室）
针对空地跨源点云的表征差异，本文提出CrossLoc3D，利用多粒度特征与扩散式迭代嵌入对齐实现3D地点识别，并构建CS-Campus3D数据集，显著提升top 1平均召回率。
2023-09-29 cs.CV
Dynamic Hierarchical Bayesian Network for Arabic Handwritten Word Recognition
本文提出了一种新的概率图形模型，用于建模和识别代表突尼斯城市名称的单词。事实上，这项工作是基于一个动态的层次贝叶斯网络。其目的是找到最好的阿拉伯手写模型，以减少识别过程的复杂性，允许部分识别。实际上，我们提出了一种基于平滑的垂直直方图投影使用不同的宽度值，以减少分割的错误。然后，我们使用Zernike和HU矩提取每个细胞的特征，这是不变性的旋转，平移和缩放。我们的方法是使用IFN / ENIT数据库进行测试，实验结果是非常有前途的。
2014-05-20 cs.CV
Saliency for free: Saliency prediction as a side-effect of object recognition
Computer Vision Center（计算机视觉中心）；Universidad del Bío Bío（比奥比奥大学）
显着性是我们的视觉系统将我们的注意力（即凝视）集中在相关对象上的感知能力。用于显著性估计的神经网络需要用于训练的真实显著性图，这通常通过眼动跟踪实验来实现。在本文中，我们证明了显着性图可以作为训练具有显着性分支的对象识别深度神经网络的副作用而生成。在真实和合成显著性数据集上进行的大量实验表明，我们的方法能够生成准确的显著性图，与需要真实数据的方法相比，在合成和真实数据集上都取得了有竞争力的结果。
2021-07-20 cs.CV
Long-Tailed Recognition by Mutual Information Maximization between Latent Features and Ground-Truth Labels
Seoul National University（首尔国立大学）
本文将长尾识别重新定义为潜在特征与真实标签之间的互信息最大化，无缝整合对比学习与logit调整，提出新损失函数，在长尾识别基准上达到最先进性能，并验证了其在图像分割中的通用性。
2023-08-08 cs.CV cs.LG
Danish Airs and Grounds: A Dataset for Aerial-to-Street-Level Place Recognition and Localization
Dansk Drone Kompagni ApS（丹麦无人机公司）；Technical University of Denmark（丹麦技术大学）；Universidad de Zaragoza（萨拉戈萨大学）
地点识别和视觉定位在宽基线配置中特别具有挑战性。在本文中，我们的贡献与\emph{Danish Airs and Grounds}（DAG）数据集，一个大型的收集街道和航空图像针对这种情况。它的主要挑战在于查询和参考图像之间的极端视角差异，从而改变照明和透视。该数据集比目前公开的数据更大，更多样化，包括城市，郊区和农村地区50多公里的道路。所有图像都与精确的6-DoF元数据相关联，可以对视觉定位方法进行基准测试。我们还提出了一个地图到图像的重新定位管道，首先估计密集的3D重建从航空图像，然后匹配查询街道级图像的3D模型的街道级渲染。数据集可从以下网址下载：https://frederikwarburg.github.io/DAG
2022-02-03 cs.CV cs.RO
Systematic Evaluation of Novel View Synthesis for Video Place Recognition
系统评估合成新视角对视频地点识别的影响，发现少量合成视角可提升识别性能，且视角变化幅度不如添加数量和图像类型重要。
2026-06-16 cs.CV cs.RO
HOTFormerLoc: Hierarchical Octree Transformer for Versatile Lidar Place Recognition Across Ground and Aerial Views
Queensland University of Technology (QUT)（昆士兰科技大学）；CSIRO Robotics, Data61, CSIRO（联邦科学与工业研究组织机器人与数据61部门）
该研究提出基于分层八叉树的Transformer模型HOTFormerLoc用于多场景3D位置识别，同时发布跨源森林点云数据集CS-Wild-Places，在多个基准上取得了优于现有SOTA方法的性能。
2025-03-21 cs.CV cs.RO
MAG-VLAQ: Multi-modal Aerial-Ground Query Aggregation for Cross-View Place Recognition
Hangzhou Dianzi University（杭州电子科技大学）；TopXGun Robotics（TopXGun机器人）；University of Zaragoza（萨拉戈萨大学）
本文提出MAG-VLAQ框架，通过预训练基础模型提取多模态特征并融合，提升空地跨视角地点识别性能，实验表明在KITTI360-AG数据集上性能提升显著。
2026-05-10 cs.CV cs.RO
