Enhancing Classification with Hierarchical Scalable Query on Fusion Transformer
Samsung R&D Institute Bangalore（三星班加罗尔研发中心）
基于真实世界视觉的应用需要对各种感兴趣的领域进行细粒度分类，如电子商务，移动应用，仓库管理等，其中降低错误的严重程度并提高分类准确性至关重要。本文提出了一种通过可学习的独立查询嵌入的分层方法来提高细粒度分类的方法。这是通过一个分类网络来实现的，该网络使用粗略的分类预测来以逐阶段的顺序方式提高精细分类的准确性。我们利用层次结构的思想来学习可扩展到所有级别的查询嵌入，从而使其成为一种相关的方法，即使对于极端的分类，我们有大量的类。查询初始化的加权本征图像计算从训练样本，以最好地表示和捕捉对象的方差。我们引入了Transformer块来融合中间层，查询注意力发生在这些中间层上，以增强不同尺度下特征图的空间表示。这种多尺度融合有助于提高小尺寸物体的精度。我们提出了一个双重的方法，学习查询的唯一表示。首先，在每个层次结构中，我们利用基于聚类的损失，确保类间查询嵌入之间的最大分离，并帮助学习更高维空间中更好的（查询）表示。其次，我们融合粗层次的查询与细层次的查询加权学习比例因子。我们还引入了一个新的块称为交叉注意多级查询与先验（CAMP）块，有助于减少错误传播从粗级到细级，这是一个常见的问题，在所有层次分类。我们的方法是能够优于现有的方法，在细粒度的分类约11%的改进。
2023-02-28 cs.AI cs.CV
QSCP: Beyond Class-Name Prompts for Query-Guided Semantic Change Parsing
提出QSCP方法，通过解析查询意图与语义槽，结合双向视觉证据，实现查询引导的语义变化解析，支持类别、同义词及句子查询，优于现有基线。
2026-09-29 cs.CV
Multimodal Semantic-Probabilistic Objectness for Open World Object Detection
School of Computer Science and Engineering, Beihang University（北京航空航天大学计算机科学与工程学院）
研究开放世界目标检测问题，提出MSPO轻量级语义校准框架，通过融合已知类别语言语义与视觉目标性来校准预测，在实验中改进了PROB基线，提升了主要指标及PASCAL VOC最终mAP，证明已知类别语义可有效校准概率目标性。
2026-07-28 cs.AI cs.CV
EfficientFSL: Enhancing Few-Shot Classification via Query-Only Tuning in Vision Transformers
EfficientFSL通过仅查询微调方法，在视觉变换器中实现少样本分类的高效优化，以极小的计算开销获得优异性能。
2026-01-15 cs.AI cs.CV
Recurrent Feature Mining and Keypoint Mixup Padding for Category-Agnostic Pose Estimation
Jiangxi University of Finance and Economics（江西财经大学）
提出循环挖掘细粒度结构感知特征及关键点混合填充的框架，在类别无关姿态估计中显著提升性能。
2025-03-27 cs.CV
Video-Specific Query-Key Attention Modeling for Weakly-Supervised Temporal Action Localization
Northwestern University（西北大学）
提出VQK-Net，通过视频特定查询-键注意力建模学习每个视频每个动作类别的独特查询，实现弱监督时间动作定位，在三个数据集上达到最先进性能。
2023-12-25 cs.CV
LarvSeg: Exploring Image Classification Data For Large Vocabulary Semantic Segmentation via Category-wise Attentive Classifier
School of Intelligence Science and Technology, Peking University（北京大学智能科学与技术学院）；Center of Data Science, Peking University（北京大学数据科学中心）；Microsoft Research Asia（微软亚洲研究院）
针对大词汇量语义分割掩码标注成本高、分布外类别性能差的问题，提出LarvSeg框架，利用图像分类数据扩展词汇量，通过类别级注意力分类器优化监督，首次实现21K类语义分割，显著提升无掩码标签类别的性能。
2025-01-12 cs.AI cs.CV
Learning To Count Everything
Stony Brook University（石溪大学）；VinAI Research（VinAI研究院）
现有的视觉计数工作主要集中在一个特定的类别，如人，动物和细胞。在本文中，我们感兴趣的是计数一切，也就是说，计数对象从任何类别只给出了几个注释的实例，从该类别。为此，我们将计数作为一个Few-Shot回归任务。为了解决这个问题，我们提出了一种新的方法，需要一个查询图像连同一些样本对象从查询图像和预测的密度图的存在下，所有感兴趣的对象在查询图像。我们还提出了一种新的适应策略，使我们的网络在测试时适应任何新的视觉类别，只使用来自新类别的几个示例对象。我们还介绍了一个数据集的147个对象类别，包含超过6000张图像，适合于Few-Shot计数任务。图像被注释有两种类型的注释，点和边界框，它们可以用于开发Few-Shot计数模型。在此数据集上的实验表明，我们的方法优于几个国家的最先进的对象检测器和Few-Shot计数方法。我们的代码和数据集可以在https://github.com/cvlab-stonybrook/LearningToCountEverything上找到。
2021-04-16 cs.CV
Category-level Text-to-Image Retrieval Improved: Bridging the Domain Gap with Diffusion Models and Vision Encoders
King Abdullah University of Science and Technology（国王阿卜杜勒-阿齐兹大学科学与技术大学）；Visual Recognition Group（视觉识别组）；Faculty of Electrical Engineering（电气工程学院）；Czech Technical University in Prague（布拉格捷克技术大学）
针对CLIP等视觉语言模型在类别级文本-图像检索中存在的模态差距问题，提出结合扩散模型生成视觉查询、视觉编码器计算相似度及聚合网络融合多模态信息的两步法，显著提升了检索性能。
2025-08-29 cs.CV
Multimodal Query-guided Object Localization
Indian Institute of Science（印度科学学院）
提出一种基于手绘草图和文本描述的多模态查询引导目标定位方法，通过跨模态注意力机制和正交投影评分技术解决查询与自然图像间的领域差距及信息融合挑战。
2024-07-24 cs.CV
Query-Guided Networks for Few-shot Fine-grained Classification and Person Search
Technical University of Munich（慕尼黑工业大学）；Sapienza University of Rome（罗马第一大学）；Magic Leap（Magic Leap公司）；Google（谷歌）
Few-Shot细粒度分类和人员搜索作为不同的任务出现，文献将它们分开处理。但仔细观察就会发现重要的相似之处：这两项任务都针对只能通过特定对象细节区分的类别;相关模型应该推广到新的类别，而不是在训练中看到。我们提出了一种新的统一的查询引导网络（QGN）适用于这两个任务。QGN由一个查询引导的Siamese-Squeeze-and-Excitation子网络组成，该子网络在所有网络层上重新加权查询和图库功能，一个用于查询特定本地化的查询引导区域建议子网络，以及一个用于度量学习的查询引导相似性子网络。QGN在最近的几个Few-Shot细粒度数据集上进行了改进，在CUB上的性能大大优于其他技术。QGN在人物搜索CUHK-SYSU和PRW数据集上也表现出竞争力，我们在那里进行了深入的分析。
2022-09-21 cs.CV
Few-Shot Learning Meets Transformer: Unified Query-Support Transformers for Few-Shot Classification
Anhui University（安徽大学）
Few-Shot分类是一种利用有限样本识别未知类别的分类方法，受到了越来越多的关注。通常，它被公式化为度量学习问题。Few-Shot分类的核心问题是如何学习（1）支持集和查询集中图像的一致表示和（2）支持集和查询集之间图像的有效度量学习。在本文中，我们表明，这两个挑战可以很好地同时通过一个统一的查询支持Transformer（QSFormer）模型建模。具体来说，所提出的QSFormer包括全局查询支持样本Transformer（sampleFormer）分支和局部补丁Transformer（patchFormer）学习分支。sampleFormer旨在捕获图像表示的支持集和查询集中样本的依赖性。采用编码器、解码器和交叉注意分别对支持度、查询（图像）表示和度量学习进行建模，实现了Few-Shot分类任务。此外，作为对全局学习分支的补充，我们采用了局部块Transformer，通过捕获局部图像块的长程依赖性来提取每个图像样本的结构表示。此外，提出了一种新的跨尺度交互式特征提取器（CIFE），用于提取和融合多尺度CNN特征，作为所提出的少样本学习方法的有效骨干模块。所有模块都集成到一个统一的框架中，并以端到端的方式进行培训。在四个流行的数据集上的实验证明了所提出的QSFormer的有效性和优越性。
2022-08-26 cs.CV
HSI Image Enhancement Classification Based on Knowledge Distillation: A Study on Forgetting
School of Software Engineering, Henan Polytechnic University（河南工程学院软件学院）
本文提出基于教师模型的知识保留方法，通过增量类别样本缓解旧类别遗忘问题，并引入基于掩码的部分类别知识蒸馏算法，提升分类准确率。
2026-03-19 cs.AI cs.CV cs.LG
Exploiting Category Names for Few-Shot Classification with Vision-Language Models
University of California, Merced（加州大学默塞德分校）；Apple（苹果公司）；Google（谷歌公司）
本文提出用类别名称初始化视觉-语言模型分类头，以弥合大参数量与小样本数据间的差距，并在多个五样本图像分类基准上取得最先进结果。
2023-04-18 cs.CV
Domain Adaptive Nuclei Instance Segmentation and Classification via Category-aware Feature Alignment and Pseudo-labelling
University of Sydney（悉尼大学）；University of Technology Sydney（悉尼科技大学）；Monash University（莫纳什大学）；Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））
在一般计算机视觉中，无监督领域自适应（UDA）方法被广泛用于提高模型的自适应能力。然而，与自然图像不同的是，组织病理学图像中不同类别的细胞核之间存在着巨大的语义鸿沟。我们如何构建广义UDA模型来精确分割或分类不同数据集上的细胞核实例，这一点仍有待探索。在这项工作中，我们提出了一种新的深度神经网络，即类别感知特征对齐和伪标签网络（CAPL-Net），用于UDA核实例分割和分类。具体来说，我们首先提出了一个类别级的特征对齐模块与动态学习权衡权重。其次，我们建议通过基于核级原型特征的伪标签的自监督训练来促进目标数据上的模型性能。跨域核实例分割和分类任务的综合实验表明，我们的方法优于国家的最先进的UDA方法具有显着的利润。
2022-07-04 cs.CV
DAFD: Domain Adaptation via Feature Disentanglement for Image Classification
针对图像分类中的领域偏移问题，提出基于特征解耦的领域自适应方法DAFD，通过CRFS模块分离类别相关特征并结合DLMMD模块实现细粒度对齐，有效提升了目标域分类准确率。
2024-01-09 cs.CV
Joint Hierarchical Category Structure Learning and Large-Scale Image Classification
Xiamen University（厦门大学）；University of Electric Science and technology of China（电子科技大学）；Nara Institute of Science and Technology（奈良先端科学技术大学院大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Technology Sydney（悉尼科技大学）
我们研究了具有大量类别的可扩展图像分类问题。层次化的可视化数据结构有助于提高大规模多类分类的效率和性能。提出了一种新的基于学习层次类间结构的图像分类方法。具体来说，我们首先设计了一个快速算法来计算类别之间的相似性度量，在此基础上，一个视觉树的层次谱聚类构造。使用学习的视觉树，通过在整个树上搜索最佳路径来有效地预测测试样本标签。该方法在ILSVRC 2010和Caltech 256基准数据集上进行了广泛的评估。实验结果表明，我们的方法获得了显着更好的类别层次比其他国家的最先进的视觉树为基础的方法，因此，更准确的分类。
2017-09-15 cs.CV
Hierarchical Generalized Category Discovery for Brain Tumor Classification in Digital Pathology
Institute of Clinical Epidemiology, Public Health, Health Economics, Medical Statistics and Informatics（临床流行病学、公共卫生、健康经济学、医学统计与信息学研究所）；Institute of Neuropathology and Neuromolecular Pathology（神经病理学与神经分子病理学研究所）
针对现有脑肿瘤分类方法无法识别训练未覆盖肿瘤类别的问题，提出融合层次聚类与对比学习的HGCD-BT方法，在多模态病理数据集上取得更优的分类精度与泛化性。
2025-11-17 cs.AI cs.CV cs.LG
Semantic Guided Level-Category Hybrid Prediction Network for Hierarchical Image Classification
Zhejiang University（浙江大学）；Ant Group（蚂蚁集团）
针对低质量图像下级层级分类信息不足的问题，提出语义引导层级-类别混合预测网络（SGLCHPN），通过视觉Transformer和语义引导交叉注意力模块联合预测层级与类别，并在两个新构建的多质量数据集上验证了方法的有效性。
2023-03-31 cs.CV
Attending Category Disentangled Global Context for Image Classification
在本文中，我们提出了一个通用的框架，图像分类使用的注意力机制和全球范围内，它可以结合各种网络架构，以提高其性能。为了研究全局上下文的能力，我们比较了四个数学模型，并观察到编码在类别解纠缠条件生成模型中的全局上下文可以提供更多的指导，因为“知道什么是任务无关的也会知道什么是相关的”。基于这一发现，我们定义了一种新的类别解纠缠全局上下文（CDGC），并设计了一个深度网络来获取它。通过参加CDGC，基线网络可以更准确地识别感兴趣的对象，从而提高性能。我们将该框架应用于许多不同的网络架构，并在四个公开的数据集上与最先进的网络架构进行比较。大量的结果验证了我们的方法的有效性和优越性。准则将在书面接受后公布。
2022-06-07 cs.CV
CQ-DINO: Mitigating Gradient Dilution via Category Queries for Vast Vocabulary Object Detection
提出CQ-DINO框架，通过将分类转化为目标查询与可学习类别查询的对比任务，并引入图像引导的查询选择机制，有效缓解了海量词汇目标检测中的正负梯度稀释问题，在V3Det上超越先前方法2.1% AP。
2025-10-10 cs.CV
Category Prompt Mamba Network for Nuclei Segmentation and Classification
School of Computer Science and Technology, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）计算机科学与技术学院）；Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；School of Science, Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）理学院）；Pengcheng Laboratory（鹏城实验室）
针对细胞核分割分类中切块训练错位、耗时及类别不平衡问题，本文提出基于类别概率排序的 Mamba 扫描策略，在四个公开数据集上超越现有方法。
2025-03-14 cs.CV
Uncertainty-based Network for Few-shot Image Classification
Nanjing University（南京大学）
在少样本学习任务中，直推推理是一种有效的技术，查询集通过更新原型来改进自己。然而，这些方法通过仅考虑查询实例的分类分数作为置信度而忽略这些分类分数的不确定性来优化模型。本文提出了一种新的方法，称为基于不确定性的网络，该方法借助互信息对分类结果的不确定性进行建模。具体来说，我们首先对查询实例进行数据扩充和分类，并计算这些分类得分的互信息。然后，利用互信息作为不确定性为分类得分分配权重，并在原型优化中采用基于分类得分和不确定性的迭代更新策略为查询实例分配最优权重。在四个基准测试上的广泛结果表明，与最先进的方法相比，基于不确定性的网络在分类精度方面取得了相当的性能。
2022-05-17 cs.CV cs.LG
Learning Image Information for eCommerce Queries
eBay Inc（eBay公司）
在任何信息检索系统中，计算查询和文档之间的相似度是基本的。在搜索引擎中，计算查询-文档相似度是检索和排序阶段的重要步骤。在eBay搜索中，文档是一个项目，查询-项目相似度可以通过比较查询-项目对的不同方面来计算。查询文本可以与项目标题的文本进行比较。同样，可以将应用于查询的类别约束与项目的列表类别进行比较。然而，图像是一种通常存在于项目中但不存在于查询中的信号。图像是用户用来确定给定查询的项目的相关性的最直观的信号之一。在估计查询-项目对之间的相似性时包括该信号可能提高搜索引擎的相关性。我们提出了一种新的方式来获取图像信息的查询。我们试图从项目图像中学习查询的图像信息，而不是生成显式的图像特征或查询的图像。我们使用典型相关分析（CCA）来学习一个新的子空间，在这个子空间中投影原始数据将为我们提供一个新的查询和项目表示。我们假设这个新的查询表示也将有关于查询的图像信息。我们估计使用向量空间模型的查询项相似性，并报告所提出的方法对eBay的搜索数据的性能。我们使用受试者工作特征曲线（AUROC）下的面积作为评估指标，显示出11.89%的相关性改善。我们还显示了3.1\%的相关性改善的基线与精确召回曲线下的面积（AUPRC）。
2019-04-29 cs.CV cs.IR cs.LG
Token-Budgeted Candidate Retrieval for 3D Scene-Grounded VLMs: Category Names vs. Pairwise Geometry
AGH University of Krakow（克拉科夫AGH科技大学）；SoftServe（SoftServe公司）；ETH Zurich（苏黎世联邦理工学院）
该研究针对固定上下文预算下3D场景 grounding VLM的候选检索问题，对比类别名称与成对几何的效果，提出含QCRR的检索方案，发现语义检索优于手动几何方法，将发布相关工具支持新选择器替换。
2026-10-14 cs.CV cs.LG
Subset Feature Learning for Fine-Grained Category Classification
Australian Centre for Robotic Vision（澳大利亚机器人视觉中心）；Queensland University of Technology（昆士兰科技大学）；University of Queensland（昆士兰大学）；NICTA
细粒度分类一直是一个具有挑战性的问题，由于类间变化小，类内变化大，训练图像的数量少。我们提出了一个学习系统，它首先聚类视觉上相似的类，然后学习特定于每个子集的深度卷积神经网络特征。在流行的细粒度Caltech-UCSD鸟类数据集上的实验表明，该方法在最困难的设置下优于最近的细粒度分类方法：在测试时没有边界框。它的平均准确率为77.5%，而之前的最佳性能为73.2%。我们还表明，渐进式迁移学习允许我们首先学习域通用功能（用于鸟类分类），然后可以适应特定的鸟类类集，从而提高准确性。
2015-05-09 cs.CV
Class Similarity-Based Multimodal Classification under Heterogeneous Category Sets
School of Computer Science Wuhan University（武汉大学计算机学院）
针对多模态数据类别分布不一致的现实问题，提出多模态异构类别集学习场景与基于类别相似度的跨模态融合模型，通过语义对齐、模态选择和相似度融合实现全类别识别，性能优于现有SOTA方法。
2025-06-11 cs.CV
Stable Attribute Group Editing for Reliable Few-shot Image Generation
University of Chinese Academy of Sciences（中国科学院大学）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；Peng Cheng Laboratory（鹏城实验室）；Huawei Cloud EI Innovation Lab（华为云EI创新实验室）
Few-Shot图像生成旨在仅基于少量样本生成不可见类别的数据。除了基本的内容生成之外，许多下游应用程序有望从这项任务中受益，例如低数据检测和Few-Shot分类。为了实现这一目标，所生成的图像应保证类别保留，以便分类超出视觉质量和多样性。在我们的初步工作中，我们提出了一个“基于编辑”的框架属性组编辑（AGE）可靠的Few-Shot图像生成，这大大提高了生成性能。然而，AGE在下游分类方面的表现并不像预期的那样令人满意。本文研究了类不一致问题，并提出了稳定的属性组编辑（SAGE）更稳定的类相关的图像生成。SAGE利用所有给定的Few-Shot图像，并基于类别相关属性字典估计类中心嵌入。同时，根据属性在类别相关属性字典上的投影权重，从相似的可见类别中选择类别无关属性。因此，SAGE将小说类的整体分布注入到StyleGAN的潜空间中，从而在很大程度上保持了生成图像的类别保持性和稳定性。更进一步，我们发现类别不一致是GAN生成的图像用于下游分类的常见问题。即使生成的图像看起来像照片一样逼真，并且不需要与类别相关的编辑，但它们通常对下游分类的帮助有限。我们系统地讨论了这个问题，从生成模型和分类模型的角度来看，并提出了提高下游分类性能的SAGE通过增强像素和频率分量。
2023-02-01 cs.CV
Learning to Adapt Category Consistent Meta-Feature of CLIP for Few-Shot Classification
NetEase Media Technology (Beijing) Co., Ltd.（网易传媒科技（北京）有限公司）
针对现有CLIP少样本分类方法仅关注高层特征的局限，提出结合低层局部表征与高层语义表征的MF-Adapter方法，通过MF-Unit衡量类别一致局部上下文并映射特征，实现更优的少样本分类性能。
2024-07-08 cs.CV
Category-Prompt Refined Feature Learning for Long-Tailed Multi-Label Image Classification
School of Big Data & Software Engineering, Chongqing University（重庆大学大数据与软件学院）；College of Computer Science, Chongqing University（重庆大学计算机学院）；Fowler College of Business, San Diego State University（圣地亚哥州立大学福勒商学院）；School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机与信息工程学院）
针对长尾多标签图像分类中数据分布不均与多目标识别的难题，提出类别提示精炼特征学习方法，结合CLIP类别提示、渐进双路径反向传播与非对称损失，在两个基准上取得优于基线的效果。
2024-08-15 cs.CV
Query-Based Knowledge Sharing for Open-Vocabulary Multi-Label Classification
Southeast University（东南大学）；Ant Group（蚂蚁集团）
本文提出基于查询的知识共享范式，利用可学习的标签无关查询token从VLP模型提取视觉知识，并结合提示池和特征匹配分类方法，在开放词汇多标签零样本分类任务上显著超越现有方法。
2024-01-02 cs.CV
Detection Hub: Unifying Object Detection Datasets via Query Adaptation on Language Embedding
Fudan University（复旦大学）；Shanghai Collaborative Innovation Center of Intelligent Visual Computing（上海智能视觉计算协同创新中心）；Microsoft（微软）
组合多个数据集可以提高许多计算机视觉任务的性能。但由于检测数据集之间的两个不一致性：分类差异和领域差距，在结合多个数据集进行目标检测时，并没有看到类似的趋势。在本文中，我们通过一种新的设计（名为检测中心）来解决这些挑战，该设计是可感知的和分类对齐的。它不仅减轻了数据集的不一致性，而且还为检测器提供了跨多个数据集学习的一致性指导。特别是，通过学习用于适应对象查询的数据集嵌入以及检测头中的卷积核来实现数据集感知设计。通过用词嵌入替换独热类别表示并利用语言嵌入的语义一致性，跨数据集的类别在语义上对齐到统一的空间中。Detection Hub实现了目标检测的大数据优势。实验表明，在多个数据集上进行联合训练比单独在每个数据集上进行训练获得了显着的性能增益。Detection Hub进一步在UODB基准测试中使用各种数据集实现SoTA性能。
2023-03-29 cs.CV
Video Summarisation by Classification with Deep Reinforcement Learning
Queen Mary University of London（伦敦玛丽女王大学）
大多数现有的视频摘要方法是基于监督或无监督学习。在本文中，我们提出了一种基于强化学习的弱监督方法，该方法利用易于获得的视频级类别标签，并鼓励摘要包含类别相关信息并保持类别可识别性。具体来说，我们将视频摘要制定为顺序决策过程，并使用深度Q学习（DQSN）训练摘要网络。伴随分类网络也被训练以提供对训练DQSN的奖励。利用分类网络，我们开发了一个基于分类结果的全局可识别性奖励。关键的是，为了解决长序列强化学习的时间延迟和稀疏奖励问题，提出了一种新的基于密集排序的奖励方法。在两个基准数据集上的大量实验表明，该方法达到了最先进的性能。
2018-09-03 cs.CV
Exploring Category-correlated Feature for Few-shot Image Classification
Harbin Institute of Technology, Shenzhen（哈尔滨工业大学（深圳））；University of Electronic Science and Technology of China（电子科技大学）
Few-Shot分类的目标是使分类器适应具有少量训练样本的新类别。然而，训练数据的不足可能会导致对某类特征分布的有偏估计。为了缓解这个问题，我们提出了一个简单而有效的特征校正方法，探索小说和基类之间的类别相关性作为先验知识。我们明确地捕捉这种相关性映射功能到一个潜在的向量与尺寸匹配的基础类的数量，对待它的对数概率的基础类的功能。基于这个特征向量，校正特征直接由解码器构造，我们期望在去除其他随机因素的同时保持类别相关信息，从而更接近其类质心。此外，通过改变softmax中的温度值，我们可以重新平衡特征校正和重建，以获得更好的性能。我们的方法是通用的，灵活的和不可知的任何特征提取器和分类器，很容易被嵌入到现有的FSL方法。实验证明，我们的方法是能够纠正偏见的功能，特别是当功能是远离类质心。所提出的方法一致地获得相当大的性能增益三个广泛使用的基准，不同的骨干和分类器进行评估。代码将被公开。
2021-12-14 cs.CV
Spectral and Rhythm Feature Performance Evaluation for Category and Class Level Audio Classification with Deep Convolutional Neural Networks
Friedrich Wolf-Monheim（独立研究者）
本文使用深度CNN和ESC-50数据集评估了多种频谱与节奏特征在音频分类中的性能，发现梅尔标度频谱图和MFCC特征表现显著优于其他特征。
2025-09-12 cs.AI cs.CV cs.LG
Deep Ordinal Ranking for Multi-Category Diagnosis of Alzheimer's Disease using Hippocampal MRI data
University of Pennsylvania（宾夕法尼亚大学）
越来越多的努力在脑图像分析一直致力于早期诊断阿尔茨海默病（AD）的神经影像学数据的基础上。大多数现有的研究都集中在二元分类问题上，例如，区分AD患者与正常对照（NC）老年人或轻度认知障碍（MCI）个体与NC老年人。然而，需要在单一环境中识别患有AD和MCI的个体，特别是将转化为AD的MCI个体（进行性MCI，pMCI），以实现早期诊断AD的目标。在本文中，我们提出了一个深序排序模型区分NC，稳定MCI（sMCI），pMCI，和AD在个体受试者的水平，考虑到固有的顺序严重程度的大脑退化所造成的正常老化，MCI，和AD，而不是制定一个多类别分类问题的分类。所提出的深度有序排序模型专注于个体的海马形态，并自动学习信息和判别特征。实验结果的基础上，一个大的队列的个人从阿尔茨海默氏病神经成像倡议（ADNI）表明，所提出的方法可以实现更好的性能比传统的多类别分类技术，使用形状和放射组学特征的结构磁共振成像（MRI）数据。
2017-09-13 cs.CV
Category-wise Fine-Tuning: Resisting Incorrect Pseudo-Labels in Multi-Label Image Classification with Partial Labels
Faculty of Applied Sciences, Macao Polytechnic University（应用科学学院，澳门 polytechnic 大学）；Macao Polytechnic University（澳门 polytechnic 大学）
针对部分标签多标签分类中伪标签错误问题，提出类别级微调（CFT）方法，利用已知标签校准各类别逻辑回归，结合遗传算法优化，在多个基准上取得最先进性能。
2024-01-30 cs.CV
Queryable Prototype Multiple Instance Learning with Vision-Language Models for Incremental Whole Slide Image Classification
School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院）
针对现有静态数据集多实例学习（MIL）方法无法有效保留利用先验知识的问题，本文提出首个基于视觉-语言的可查询原型多实例学习（QPMIL-VL）框架，用于增量式全切片图像（WSI）分类，在四个公开数据集上取得SOTA性能。
2024-12-26 cs.CV
Meta-Point Learning and Refining for Category-Agnostic Pose Estimation
Jiangxi University of Finance and Economics（江西财经大学）；Shanghai Jiao Tong University（上海交通大学）
针对类别无关姿态估计中支持特征局部且不足的问题，提出基于元点的新框架，通过可学习嵌入生成潜在关键点并利用支持关键点精炼，配合渐进式可变形点解码器与松弛回归损失，在MP-100数据集上优于现有方法。
2024-03-20 cs.CV
SC-Diff: Semantically Calibrated Diffusion for Visible-to-Infrared Image Translation
School of Intelligent Systems Engineering, Shenzhen Campus of Sun Yat-sen University（中山大学深圳校区智能系统工程学院）；Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）；School of Mathematics and Statistics, Xi’an Jiaotong University（西安交通大学数学与统计学院）
SC-Diff 是一种语义校准潜扩散框架，通过结合语义先验作为条件与自注意力校准，提升可见光转红外图像的语义一致性，生成更适用于红外目标检测的合成训练数据。
2026-08-11 cs.CV
Few-Shot Rotation-Invariant Aerial Image Semantic Segmentation
Shanghai Jiao Tong University（上海交通大学）；Eastern Institute for Advanced Study（东方高等研究院）
针对少样本航空图像分割中目标方向变化导致匹配失效的问题，提出FRINet网络，通过旋转自适应匹配和同标签监督，在基准上取得最先进性能。
2023-05-29 cs.CV eess.IV
S$^3$-MonoDETR: Supervised Shape&Scale-perceptive Deformable Transformer for Monocular 3D Object Detection
Hunan Vanguard Group Corporation Limited（湖南先锋集团有限公司）；College of Computer Science and Electronic Engineering, Hunan University（湖南大学计算机与通信工程学院）；School of Robotics, Hunan University（湖南大学机器人学院）
本文提出S$^3$-DA模块，通过监督形状与尺度感知的可变形注意力，提升单目三维检测中查询点特征质量，在KITTI和Waymo上实现单次训练下的多类别SOTA性能。
2024-08-21 cs.CV cs.RO eess.IV
Dual-Query Multiple Instance Learning for Dynamic Meta-Embedding based Tumor Classification
University of Tübingen（蒂宾根大学）；Institute for Computer Graphics（计算机图形学研究所）；University Hospital of Tübingen（蒂宾根大学医院）；University of Stuttgart（斯图加特大学）
提出DQ-MIL，一种基于动态元嵌入和双查询感知器的多示例学习架构，结合自蒸馏与注意力机制，在三个组织病理学数据集上实现高达10%的性能提升。
2023-11-17 cs.CV
Deep Active Learning for Multi-Label Classification of Remote Sensing Images
Technische Universität Berlin（柏林工业大学）；Berlin Institute for the Foundations of Learning and Data（柏林学习与数据基础研究所）
本文针对遥感图像多标签分类提出深度主动学习框架，通过结合多标签不确定性与多样性的查询函数，首次系统研究并验证了其在两个基准数据集上能高效选择高信息量样本。
2023-09-25 cs.CV
Few-Shot Classification with Feature Map Reconstruction Networks
Cornell University（康奈尔大学）
在本文中，我们重新制定Few-Shot分类作为一个重建问题的潜在空间。网络从给定类的支持特征重构查询特征图的能力预测了该查询在该类中的成员资格。我们引入了一种新的机制，Few-Shot分类直接从支持功能回归到查询功能的封闭形式，而不引入任何新的模块或大规模的可学习的参数。由此产生的特征映射重建网络比以前的方法性能更好，计算效率更高。我们在四个具有不同神经架构的细粒度基准测试中展示了一致和大量的准确性增益。我们的模型在非细粒度的mini-ImageNet和分层ImageNet基准测试中也具有竞争力，并且具有最小的铃声和口哨声。
2021-04-27 cs.CV cs.LG
Multilayer Dense Connections for Hierarchical Concept Classification
Comcast Applied AI Research（康卡斯特应用人工智能研究院）；Washington D.C.（华盛顿特区）
在目标分类、检测、场景分割等计算机视觉任务中，分类是一个关键的功能。具有单个最终层密集连接的多项式逻辑回归已成为基于CNN的分类的普遍技术。虽然这些分类器在输入和一组输出类别类之间映射，但它们通常不会产生对类别的全面描述。特别是，当基于CNN的图像分类器正确识别黑猩猩的图像时，其输出并不能澄清黑猩猩是灵长类、哺乳动物、脊索动物家族的成员和生物。我们提出了一个多层稠密连接的并发预测类别和概念超类的层次顺序相同的CNN。我们的实验表明，我们提出的网络可以同时预测粗超类和细类别比现有的几种算法在多个数据集。
2021-02-22 cs.CV cs.LG eess.IV
Inverse Projection Representation and Category Contribution Rate for Robust Tumor Recognition
Henan University（河南大学）；University of Florida（佛罗里达大学）
基于稀疏表示的分类方法已经取得了显著的效果。然而，SRC仍然遭受需要足够的训练样本，测试样本的使用不足和不稳定的代表性。本文提出了一种稳定的基于逆投影表示的分类方法（IPRC），通过有效地利用测试样本来解决这些问题。首次提出了一种知识产权制度，并分析了其可行性和稳定性。构造了类别贡献率的分类准则，以匹配知识产权和完全分类。此外，引入了一个统计措施来量化的稳定性表示为基础的分类方法。基于IPRC技术，通过解释微阵列基因表达数据，提出了一个强大的肿瘤识别框架，其中引入了两阶段杂交基因选择方法来选择信息基因。最后对候选致病相关基因进行了功能分析。在六个公开的肿瘤微阵列基因表达数据集上的实验表明，该技术与现有技术相比具有竞争力。
2019-06-27 cs.CV cs.LG q-bio.QM
Parametric Classification for Generalized Category Discovery: A Baseline Study
The University of Hong Kong（香港大学）；University of Edinburgh（爱丁堡大学）
本研究针对广义类别发现中参数化分类器易过拟合的问题，探究其失效原因，指出伪标记不可靠及两类预测偏差问题，提出带熵正则化的参数化分类方法，在多个基准上达SOTA且对未知类别数鲁棒，可作为该领域强基线。
2023-12-15 cs.CV cs.LG
Channel Relationship Prediction with Forget-Update Module for Few-shot Classification
Nanjing University（南京大学）
本文提出了一种支持集内类间关系的推理流水线，并给出了一个使用遗忘更新模块的查询示例。我们首先提出了一个新的架构模块称为“通道向量序列构造模块”，它通过收集所有支持样本和查询样本的整体信息来提高基于序列预测模型的Few-Shot分类方法的性能。该模块生成的通道向量序列以这样的方式组织，即该序列的每个时间步包含来自所有支持样本和待推断的查询样本的对应通道的信息。通过卷积神经网络和全连接网络得到信道向量序列，拼接后的信道向量序列是支持样本和查询样本对应的信道向量按原信道顺序拼接而成。此外，我们提出了一个遗忘更新模块组成的堆叠遗忘更新块。遗忘块用学习的权重修改原始信息，更新块为模型建立密集连接。该流水线由通道向量序列构造模块和遗忘更新模块组成，能够在Few-Shot分类场景下推断查询样本和支持样本之间的关系。实验结果表明，该流水线在miniImagenet、CUB数据集和跨域场景上均能取得较好的效果。
2020-06-16 cs.CV cs.LG stat.ML
