Self-organizing neural networks in classification and image recognition
G. A. Ososkov, S. G. Dmitrievskiy, A. V. Stadnik
自组织神经网络被用于OPERA实验中的砖块发现。自组织神经网络和小波分析用于从图像中识别和提取车号。
Self-organizing neural networks are used for brick finding in OPERA experiment. Self-organizing neural networks and wavelet analysis used for recognition and extraction of car numbers from images.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Spike Timing Dependent Competitive Learning in Recurrent Self Organizing Pulsed Neural Networks Case Study: Phoneme and Word Recognition
突触可塑性似乎是神经网络动力学的一个重要方面。它是关于突触的生理变化，其结果类似于突触权重值的变化。信息编码基于单个尖峰事件的精确定时，其基于突触前和突触后尖峰的相对定时、单个神经元内的局部突触竞争以及经由横向连接的全局竞争。为了对时间序列进行分类，本文提出了如何使用局部赫布学习，尖峰时间依赖可塑性的无监督竞争学习，保持自组织映射的尖峰神经元。事实上，我们提出了三种变体的自组织映射（SOM）与尖峰时间依赖的Hebbian学习规则，泄漏积分神经元（LIN），尖峰_SOM和经常性尖峰_SOM（RSSOM）模型。所提出的SOM变体的案例研究是连续语音和说话人独立的音素分类和单词识别。
Deep Learning-Based Image Recognition for Soft-Shell Shrimp Classification
本研究利用深度学习图像识别技术，实现软壳虾的自动化分类，提高分类准确性和效率，以保持虾的新鲜度并满足市场需求。
Intelligent Known and Novel Aircraft Recognition -- A Shift from Classification to Similarity Learning for Combat Identification
本文针对低分辨率遥感影像中已知与新型飞机识别难题，提出基于相似性学习的端到端框架，结合度量学习与小样本分类，在飞机类型和新型识别上分别取得0.861和0.936的F1分数。
A Leaf Recognition Algorithm for Plant Classification Using Probabilistic Neural Network
在本文中，我们采用概率神经网络（PNN）与图像和数据处理技术，实现了一个通用的自动叶片识别算法。提取12个叶片特征，并将其正交化为5个主变量，构成PNN的输入向量。用1800片树叶对PNN进行训练，对32种植物进行分类，分类准确率大于90%。与其他方法相比，该算法是一种精确的人工智能方法，具有执行速度快、易于实现等优点。
Action in Mind: A Neural Network Approach to Action Recognition and Segmentation
识别和分类人类行为是一项重要的任务，在各种领域，如人机交互，视频分析，监控，视频检索，医疗保健系统和娱乐行业的应用。本文提出了一种新的基于人工神经网络多层结构的人体动作识别方法。每个系统级开发旨在解决动作识别问题的不同方面，包括在线实时处理，动作分割和对象的参与。实验结果的分析在六篇文章中进行了说明和描述。本文提出的动作识别体系结构由预处理层、有序向量表示层和三层神经网络组成。它利用自组织神经网络，如Kohonen特征映射和生长网格作为主要的神经网络层。因此，该架构提出了一种生物学上合理的方法，具有某些特征，如神经元的拓扑组织、横向相互作用、半监督学习和在低维映射中表示高维输入空间的能力。对于每个开发水平，系统用由连续3D身体姿势组成的输入数据训练，并用系统以前从未遇到过的一般化输入数据测试。不同系统级开发的实验结果表明，该系统性能良好，具有相当高的准确率识别人的行动。
Efficient Facial Representations for Age, Gender and Identity Recognition in Organizing Photo Albums using Multi-output CNN
本文主要研究从相册和视频中自动提取人物及其属性（性别、出生年份）。我们提出了两个阶段的方法，其中，首先，卷积神经网络同时预测年龄/性别从所有的照片，并额外提取适合人脸识别的面部表示。我们修改了MobileNet，它被初步训练来执行面部识别，以便额外识别年龄和性别。在我们的方法的第二阶段中，提取的脸进行分组使用层次凝聚聚类技术。每个聚类中的人的出生年份和性别是使用对单个照片的预测的聚合来估计的。我们通过实验证明，我们的面部聚类质量与最先进的神经网络相比具有竞争力，尽管我们的实现在计算上要便宜得多。此外，我们的方法的特点是更准确的基于视频的年龄/性别识别相比，公开可用的模型。
SO-Net: Self-Organizing Network for Point Cloud Analysis
本文提出了SO-Net，这是一种用于深度学习的无序点云置换不变架构。SO-Net通过建立自组织映射（SOM）来模拟点云的空间分布。SO-Net在SOM的基础上，对单个点和SOM节点进行分层特征提取，最终用单个特征向量表示输入点云。网络的感受野可以通过进行点到节点的k近邻搜索来系统地调整。在点云重建、分类、对象部分分割和形状检索等识别任务中，我们提出的网络表现出与最先进的方法相似或更好的性能。此外，由于所提出的架构的并行性和简单性，训练速度明显快于现有的点云识别网络。我们的代码可以在项目网站上找到。https://github.com/lijx10/SO-Net
KohonAnts: A Self-Organizing Ant Algorithm for Clustering and Pattern Classification
在本文中，我们介绍了一种新的基于蚂蚁的方法，利用蚁群系统的合作自组织创建一个自然启发聚类和模式识别方法。该方法将每个数据项视为一只蚂蚁，它在网格内移动，改变它所经过的单元格，类似于Kohonen的自组织地图。由此产生的算法是概念上更简单，需要更少的自由参数比其他蚂蚁为基础的聚类算法，并经过一些参数调整，在一些基准问题产生非常好的结果。
Extracting the Brain-like Representation by an Improved Self-Organizing Map for Image Classification
基于反向传播的监督学习在计算机视觉任务中取得了巨大的成功。然而，它的生物相容性一直存在争议。近年来，生物启发的Hebbian学习规则（Hebbian learning rule，Hebbian）受到了广泛的关注。自组织映射（SOM）使用竞争性神经元建立神经元之间的连接，以无监督的方式获得视觉特征。虽然SOM神经元的表征显示出一些类似大脑的特征，但它与人类视觉皮层中的神经元表征仍然存在很大差异。本文提出了一种改进的SOM多赢家，多代码，局部感受野，称为mlSOM。我们观察到mlSOM的神经元表示类似于人类视觉皮层。此外，mlSOM显示了一个稀疏的分布式表示的对象，这也被发现在人类的下颞区。此外，实验表明，mlSOM实现更好的分类精度比原来的SOM和其他国家的最先进的基于HLR的方法。该代码可在https://github.com/JiaHongZ/mlSOM上访问。
Online recognition of unsegmented actions with hierarchical SOM architecture
自动识别在线的一系列未分割的动作需要一种分割方法，该方法确定动作何时开始以及何时结束。本文提出了一种在线测试实验中识别未分割动作的新方法。该方法使用自组织神经网络来构建一个三层认知架构。第一层自组织映射将动作序列的独特特征表示为一系列引发的关键激活。针对训练集中的所有动作序列计算关键激活向量的平均长度，并在学习试验中进行调整，以生成第二层自组织映射的输入模式。在第二层中对模式向量进行聚类，然后在第三层神经网络中用动作标识对聚类进行标记。实验结果表明，虽然性能略有下降，在在线实验相比，离线测试，所提出的架构，以处理未分割的动作序列以及在线性能的能力，使系统更合理和实用的真实情况下的场景。
Improving Self-Organizing Maps with Unsupervised Feature Extraction
自组织映射（SOM）是一种受大脑启发的神经模型，在无监督学习，特别是在嵌入式应用中非常有前途。然而，在处理复杂数据集时，它无法学习有效的原型。在这项工作中，我们建议使用提取的功能，而不是原始数据，以提高SOM的性能。我们使用两种不同的方法对SOM分类精度进行了比较研究：使用基于梯度学习的稀疏卷积自动编码器的机器学习方法，以及使用Spike Timing Dependant Plasticity学习的脉冲神经网络的神经科学方法。SOM在提取的特征上进行训练，然后使用很少的标记样本来标记具有相应类别的神经元。我们研究的影响的特征地图，SOM的大小和标记的子集的大小上的分类精度使用不同的特征提取方法。我们将SOM分类提高了+6.09\%，并在无监督图像分类方面达到了最先进的性能。
HybridSOMSpikeNet: A Deep Model with Differentiable Soft Self-Organizing Maps and Spiking Dynamics for Waste Classification
提出HybridSOMSpikeNet混合深度学习模型，融合ResNet-152、可微软自组织映射和脉冲神经网络，在十类垃圾数据集上达到97.39%准确率，实现高效节能的智能垃圾分类。
A self-organizing neural network architecture for learning human-object interactions
包括人-物体交互的传递动作的视觉识别是在自然环境中操作的人工系统的关键组成部分。这一具有挑战性的任务需要联合识别关节的身体动作以及从场景中提取语义元素，如操纵对象的身份。在本文中，我们提出了一个自组织神经网络的识别人与物体的互动从RGB-D视频。我们的模型由一个层次结构的生长时需要（GWR）网络，学习身体运动模式和对象的原型表示，占动作对象映射的发展在一个无监督的方式。我们报告了为本研究目的收集的日常活动数据集以及公开可用的基准数据集的实验结果。根据神经生理学研究，我们的自组织架构表现出更高的神经激活一致的动作对象对在训练课程中学习的合成创建的不一致的。我们表明，我们的无监督模型在基准数据集上显示出与严格监督方法相比具有竞争力的分类结果。
SuSi: Supervised Self-Organizing Maps for Regression and Classification in Python
在许多研究领域，现有数据集的大小差异很大。因此，需要非常适合这些不同数据集的机器学习技术。一种可能的技术是自组织映射（SOM），一种人工神经网络，到目前为止，在机器学习领域表现较弱。SOM的独特之处在于输出神经元之间的邻域关系。这种关系提高了小数据集的泛化能力。SOM主要应用于无监督学习，很少有研究将SOM作为监督学习方法。此外，对于机器学习标准和广泛使用的程序设计语言Python，没有合适的SOM包可用。在本文中，我们介绍了免费提供的监督自组织映射（SuSi）Python包，它可以执行监督回归和分类。SuSi的实现相对于底层数学描述。然后，我们提出了第一次评估的SOM的回归和分类数据集从两个不同领域的地理空间图像分析。尽管处于开发的早期阶段，但SuSi框架表现良好，其特点是训练和测试数据集之间只有很小的性能差异。SuSi框架与现有Python和R包的比较表明了SuSi框架的重要性。在今后的工作中，将对SuSi框架进行扩展、优化和升级，例如使用工具，以更好地理解和可视化输入数据以及处理缺失和不完整的数据。
GPU-based Self-Organizing Maps for Post-Labeled Few-Shot Unsupervised Learning
Few-Shot分类是机器学习中的一个挑战，其目标是使用非常有限数量的标记示例训练分类器。这种情况在现实生活中可能经常发生，例如当数据采集或标记昂贵时。在这项工作中，我们考虑的问题后标记的Few-Shot无监督学习，表示学习在一个无监督的方式分类任务，后来标记使用很少的注释的例子。我们认为，这个问题很可能发生在边缘，当嵌入式设备直接获取数据时，执行标记所需的专家不能经常得到提示。为了解决这个问题，我们考虑了一个算法，包括串联的迁移学习与聚类使用自组织映射（SOM）。我们引入了一个基于TensorFlow的实现，以加快多核CPU和GPU中的进程。最后，我们使用标准的现成的Few-Shot分类基准证明了该方法的有效性。
Object Recognition as Classification via Visual Properties
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
Facial Expression Recognition Based on Complexity Perception Classification Algorithm
人脸表情识别一直是计算机视觉领域的一个具有挑战性的课题。不同的表情和不受控制的环境因素导致FER的复杂性和表情类别之间的可变性不一致，这在大多数面部表情识别系统中经常被忽视。为了有效地解决这一问题，本文提出了一种简单高效的CNN模型来提取人脸特征，并提出了一种复杂度感知分类（CPC）算法。CPC算法通过评估适合分类的面部特征的复杂度，将数据集分为容易分类的样本子空间和复杂分类的样本子空间。在Fer 2013和CK-plus数据集上的实验结果证明了该算法的有效性和优越性。
RECAP: Local Hebbian Prototype Learning as a Self-Organizing Readout for Reservoir Dynamics
RECAP通过局部赫布学习机制，结合自组织原型读出，实现鲁棒的图像分类，避免误差反向传播，适用于在线更新。
Discriminant Projection Representation-based Classification for Vision Recognition
基于表示的分类方法，如稀疏表示分类（SRC）和线性回归分类（LRC）已经引起了人们的广泛关注。为了获得更好的表示，本文提出了一种新的方法称为投影表示为基础的分类（PRC）的图像识别。PRC基于一个新的数学模型。该模型表明，采样点$x$在超空间$H$上的“理想投影”可以通过采用适当的策略迭代计算$x$在超空间$H$的一条直线上的投影而得到。因此，PRC能够迭代地近似每个主题的“理想表示”以进行分类。此外，判别PRC（DPRC）进一步提出，通过最大化的类间重建误差的类内重建误差的比率获得的判别信息。在五个典型数据库上的实验结果表明，提出的PRC和DPRC是有效的，优于其他国家的最先进的方法在几个视觉识别任务。
A Self-Organizing Neural Scheme for Door Detection in Different Environments
门是室内移动机器人导航的重要标志，也是帮助盲人独立进入不熟悉的建筑物。现有的大多数门检测算法都局限于熟悉的环境，因为有限的假设的颜色，纹理和形状。在本文中，我们提出了一种新的方法，采用基于特征的分类，并使用Kohonen自组织映射（SOM）的门检测的目的。通用和稳定的功能用于SOM的训练，显着提高性能：边缘，底部边缘强度剖面和门边缘。为了验证我们的方法的鲁棒性和通用性，我们收集了来自各种环境和不同照明条件的真实世界门图像的大型数据集。该算法实现了超过95%的检测，这表明我们的门检测方法是通用的和鲁棒的颜色，纹理，遮挡，光照条件，尺度和视点的变化。
Efficiency Comparison of AI classification algorithms for Image Detection and Recognition in Real-time
人脸检测和识别是人工智能系统中最困难也是最常用的任务。本研究的目的是提出和比较的几个人脸检测和识别算法在系统中使用的结果。该系统从人类的训练图像开始，然后继续到测试图像，识别人脸，将其与训练的人脸进行比较，最后使用OpenCV分类器对其进行分类。本研究将讨论系统中使用的最有效和最成功的策略，这些策略使用Python，OpenCV和Matplotlib实现。它也可以用于有CCTV的地方，如公共场所，购物中心和ATM亭。
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
I Know How You Feel: Emotion Recognition with Facial Landmarks
人类情感的分类对于许多计算机视觉算法来说仍然是一项重要且具有挑战性的任务，特别是在日常生活中与人类共存的人形机器人时代。目前提出的情感识别方法使用多层卷积网络解决了这一任务，这些网络在分类阶段不会显式推断任何面部特征。在这项工作中，我们假设一个根本不同的方法来解决情感识别任务，依赖于将面部标志作为分类损失函数的一部分。为此，我们扩展了最近提出的深度对齐网络（DAN），该网络在最近的面部地标识别挑战中取得了最先进的结果，其中一个术语与面部特征相关。由于这个简单的修改，我们的模型称为AsymtionalDAN能够在两个具有挑战性的基准数据集上超过最先进的情感分类方法高达5%。
Human Action Recognition and Assessment via Deep Neural Network Self-Organization
对人的行为进行鲁棒的识别和评估是人机交互领域的关键。虽然最先进的动作感知模型在大规模动作数据集中显示出显著的效果，但它们大多缺乏在自然HRI场景中操作所需的灵活性、鲁棒性和可扩展性，这些场景需要连续获取感官信息以及实时的分类或评估人体模式。在本章中，我将介绍一组分层模型，用于通过使用神经网络自组织来从深度图和RGB图像中学习和识别动作。这些模型的一个特点是使用不断增长的自组织网络，快速适应非平稳分布，并实现专用的机制，从时间相关的输入持续学习。
Does Face Recognition Error Echo Gender Classification Error?
这篇论文是第一篇探讨人脸分析算法（例如，性别分类）或多或少可能参与导致面部识别错误的图像对。我们分析了来自三种不同性别分类算法（一种开源和两种商业）和两种人脸识别算法（一种开源和一种商业）的结果，这些算法在代表四个人口统计组（非洲裔美国女性和男性，高加索女性和男性）的图像集上进行。对于冒名顶替者图像对，我们的研究结果表明，其中一个图像具有性别分类错误的对比其中两个图像都具有正确性别分类的对具有更好的冒名顶替者分布，因此不太可能产生错误的匹配错误。对于真正的图像对，我们的研究结果表明，与图像都具有正确性别分类的个人相比，图像具有正确和不正确性别分类的个人具有更差的真实分布（增加的错误不匹配率）。因此，与生成正确性别分类的图像相比，生成性别分类错误的图像确实生成不同的识别错误模式，更好（错误匹配）和更差（错误不匹配）。
Learning from Web Data with Self-Organizing Memory Module
近年来，从Web数据中学习吸引了大量的研究兴趣。然而，抓取的网页图像通常有两种类型的噪声，标签噪声和背景噪声，这导致额外的困难，有效地利用它们。大多数现有的方法要么依赖于人的监督，要么忽略背景噪声。在本文中，我们提出了一种新的方法，这是能够处理这两种类型的噪声在一起，没有监督干净的图像在训练阶段。特别地，我们通过对ROI进行分组（即，图像和它们的区域提议）从同一类别放入袋中。每个包中的ROI被分配不同的权重，基于其最近的聚类的代表性/区分性得分，其中聚类和它们的得分是通过我们设计的存储模块获得的。我们的记忆模块可以自然地与分类模块集成，从而形成端到端的可训练系统。在四个基准数据集上的实验证明了该方法的有效性。
Self-Supervised Clustering on Image-Subtracted Data with Deep-Embedded Self-Organizing Map
开发一个有效的自动分类器，以区分真正的来源，从文物是必不可少的瞬态后续宽场光学调查。在这种分类器中，从图像差分处理后的减影伪影中识别瞬态检测是关键步骤，称为真假分类问题。我们应用自监督机器学习模型，深度嵌入式自组织映射（DESOM），这个“真假”分类问题。DESOM结合了一个自动编码器和一个自组织映射来执行聚类，以区分真实和虚假的检测，基于它们的降维表示。我们使用32x32归一化检测缩略图作为DESOM的输入。我们展示了不同的模型训练方法，并发现我们最好的DESOM分类器显示了6.6%的漏检率和1.5%的假阳性率。DESOM提供了一种更细致的方式来微调决策边界，当与其他类型的分类器结合使用时，识别可能的真实检测，例如建立在神经网络或决策树上。我们还讨论了DESOM的其他潜在用途及其局限性。
Indian Sign Language Recognition Using Eigen Value Weighted Euclidean Distance Based Classification Technique
手语识别是当今发展最快的研究领域之一。近年来，在这些领域中发展了许多新技术。在本文中，我们提出了一个系统，使用本征值加权欧氏距离作为一种分类技术，用于识别各种印度手语。该系统包括四个部分：皮肤过滤，裁剪，特征提取和分类。本文考虑了24个标志，每个标志有10个样本，因此总共考虑了240幅图像，获得的识别率为97%。
Revisiting Classification Perspective on Scene Text Recognition
场景文本识别的流行观点是从序列到序列（seq2seq）和分割。然而，前者由许多组件组成，这使得实现和部署复杂，而后者需要昂贵的字符级注释。在本文中，我们重新分类的角度来看，模型场景文本识别作为一个图像分类问题。分类透视图有一个简单的管道，只需要单词级别的注释。我们通过设计一个名为CSTR的场景文本识别模型来恢复分类的观点，该模型的性能与其他观点的方法一样好。CSTR模型由CPNet（分类透视网络）和SPPN（分离卷积与全局平均池化预测网络）组成。CSTR与ResNet \cite{he2016deep}等图像分类模型一样简单，易于实现和部署。通过大量的实验，我们证明了分类视角对场景文本识别的有效性。此外，CSTR在包括常规文本、不规则文本在内的六个公共基准测试中达到了接近最先进的性能。该代码将在https://github.com/Media-Smart/vedastr上提供。
Pattern Analysis with Layered Self-Organizing Maps
本文定义了一种新的学习体系结构，分层自组织映射（LSOMs），使用SOM和监督SOM学习算法。该体系结构与MNIST数据库的手写数字图像进行了验证。LSOM在采样数据的方式上与卷积神经网络（covnets）相似，但在表示特征和学习的方式上有所不同。LSOM分析（或生成）图像块与SOM学习算法确定的样本的地图，而不是通过反向传播学习的滤波器组的特征地图。LSOM为从covnet导出的特征提供了一种替代方案。多层LSOM是自下而上训练的，不使用反向传播，因此可能是视觉皮层的模型。结果显示，组织在多个层次。该算法在学习、分类和生成图像方面具有资源效率。虽然LSOM可以用于分类，他们的验证精度为这些探索性的运行远低于最先进的。本文的目标是定义的架构和显示的结构，从它的应用程序的MNIST图像。
Vehicle Attribute Recognition by Appearance: Computer Vision Methods for Vehicle Type, Make and Model Classification
本文研究了基于外观的车辆属性识别。在文献中，基于图像的目标识别已经在许多用例中得到了广泛的研究，例如面部识别，但在车辆属性识别领域却很少。我们调查了一些算法，确定车辆属性，从粗粒度的水平（车辆类型）到细粒度的水平（车辆制造和模型）。此外，我们讨论了这些任务的两种替代方法，包括直接分类和更灵活的度量学习方法。此外，我们设计了一个模拟现实世界的情况下，车辆属性识别，并提出了两种方法的实验比较。
Convolutional neural networks pretrained on large face recognition datasets for emotion classification from video
在本文中，我们描述了一个解决方案，我们进入了情感识别挑战赛2017年。我们提出了一个合奏的几个模型，捕捉空间和音频功能的视频。空间特征由卷积神经网络捕获，并在大型人脸识别数据集上进行预训练。我们发现，使用强大的行业级人脸识别网络可以提高情感识别的准确性。使用我们的集成，我们提高了以前的最好的测试集上的结果约1%，实现了60.03%的分类准确率，而不使用任何视觉时间信息。
Generic Image Classification Approaches Excel on Face Recognition
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%。
Spectral Collaborative Representation based Classification for Hand Gestures recognition on Electromyography Signals
在这项研究中，我们介绍了一种新的变体和应用程序的合作表示为基础的分类在频谱域识别的手势使用的原始表面肌电信号。通过循环矩阵来解释光谱特征的直观使用。所提出的光谱协作表示为基础的分类（SCRC）是能够识别手势具有较高的准确度，一个相当丰富的手势集。在四组实验中，每种手势的识别率最低，为97.3%，是文献中最好的识别率。识别结果报告了大量的实验和标记计算。
Enhancing Facial Classification and Recognition using 3D Facial Models and Deep Learning
本文提出融合3D面部模型与ResNet深度学习的面部识别方法，提取多任务有效特征，在个体、性别和表情分类上分别达到100%、95.4%和83.5%的准确率。
Melanoma Recognition with an Ensemble of Techniques for Segmentation and a Structural Analysis for Classification
描述了一种用于病变定位的病变识别方法，该方法使用分割技术的集合，并且用于病变分类的详尽的结构分析。对于本地化，候选区域从全局阈值的彩色地图，并从应用K-Means算法的RGB图像;候选区域，然后集成。对于分类，进行相对详尽的轮廓和区域的结构分析。
Collaborative Representation Classification Ensemble for Face Recognition
协作表示分类（CRC）人脸识别方法由于其良好的识别性能和快速的识别速度，近年来受到了广泛的关注。与稀疏表示分类（SRC）相比，CRC以10-1000倍的速度实现了相当的识别性能。在本文中，我们建议集成几个CRC模型，以提高识别率，其中每个CRC模型使用不同的和发散的随机生成的生物启发的功能作为人脸表示。该集成算法根据CRC分类规则为每个CRC模型计算集成权重。所获得的权重反映了那些CRC模型的置信度，其中更置信的CRC模型具有更大的权重。所提出的加权集成方法被证明是非常有效的，并提高了每个CRC模型的性能显着。大量的实验表明，所提出的方法的优越性能。
Head Gesture Recognition using Optical Flow based Classification with Reinforcement of GMM based Background Subtraction
描述了一种实时的头部姿态识别系统的技术。该方法包括高斯混合模型（GMM）伴随着光流算法，它提供了我们所需的信息，头部运动。所提出的模型可以在各种控制系统中实现。我们还介绍了这两种方法的结果和实施。
SphereFace2: Binary Classification is All You Need for Deep Face Recognition
最先进的深度人脸识别方法大多使用基于softmax的多类分类框架进行训练。尽管这些方法很受欢迎和有效，但仍然有一些缺点，限制了经验性能。在本文中，我们首先识别现有多类分类框架中训练和评估之间的差异，然后讨论softmax归一化的“竞争”性质所导致的潜在限制。出于这些限制，我们提出了一种新的二进制分类训练框架，称为SphereFace2。与现有方法相比，SphereFace2绕过了softmax归一化以及相应的闭集假设。这有效地弥合了训练和评估之间的差距，使每个二进制分类任务能够单独改进表示。除了设计一个特定的性能良好的损失函数，我们总结了一些一般原则，这种“一对所有”的二进制分类框架，使它能够优于目前的竞争方法。我们在流行的基准测试上的实验表明，SphereFace2可以始终优于最先进的深度人脸识别方法。该守则已公开提供。
Video4MRI: An Empirical Study on Brain Magnetic Resonance Image Analytics with CNN-based Video Classification Frameworks
为了解决医学图像识别的问题，经常使用像卷积神经网络（CNN）这样的计算机视觉技术。最近，基于3D CNN的模型主导了磁共振图像（MRI）分析领域。由于MRI数据和视频之间的高度相似性，我们对用于MRI分类的视频识别技术进行了广泛的实证研究，以回答以下问题：（1）我们可以直接使用视频识别模型进行MRI分类吗？（2）哪种模型更适合MRI？（3）视频识别中常见的技巧，如数据增强，是否仍然适用于MRI分类？我们的工作表明，先进的视频技术有利于MRI分类。在本文中，四个数据集的阿尔茨海默氏症和帕金森氏症的识别实验中使用，连同三个替代的视频识别模型和数据增强技术，经常应用于视频任务。在效率方面，结果显示，视频框架的性能比3D-CNN模型好5% - 11%，可训练参数少50% - 66%。该报告推动了3D医学成像和视频理解研究的潜在融合。
Image-level Classification in Hyperspectral Images using Feature Descriptors, with Application to Face Recognition
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。
Lane Change Classification and Prediction with Action Recognition Networks
针对周围车辆变道意图识别问题，提出仅依赖RGB视频的端到端双动作识别框架，在PREVENTION数据集上取得最佳分类效果。
GB-CosFace: Rethinking Softmax-based Face Recognition from the Perspective of Open Set Classification
最先进的人脸识别方法通常采用多分类流水线，并采用基于softmax的损失进行优化。虽然这些方法取得了巨大的成功，但从开集分类的角度来看，基于softmax的损失有其局限性：训练阶段的多分类目标与开集分类测试的目标并不严格匹配。在本文中，我们得到了一个新的损失命名为全球边界CosFace（GB-CosFace）。我们的GB-CosFace引入了一个自适应的全局边界来确定两个人脸样本是否属于同一身份，以便从开集分类的角度将优化目标与测试过程保持一致。同时，由于损失公式是从基于软最大值的损失，我们的GB-CosFace保留了基于软最大值的损失的优良性能，和CosFace被证明是一个特殊的情况下提出的损失。我们分析和几何解释所提出的GB-CosFace。在多个人脸识别基准上的综合实验表明，所提出的GB-CosFace在主流人脸识别任务中优于当前最先进的人脸识别损失。与CosFace相比，我们的GB-CosFace在TAR@FAR = 1e-6，1e-5，1e-4时在IJB-C基准上提高了1.58%，0.57%和0.28%。
Neural Particle Automata: Learning Self-Organizing Particle Dynamics
提出神经粒子自动机（NPA），将神经细胞自动机从静态网格推广到动态粒子系统，利用可微分的平滑粒子流体动力学实现可扩展的端到端训练，在形态发生、点云分类和纹理合成等任务中展现了鲁棒性和自再生能力。
Towards classification-based representation learning for place recognition on LiDAR scans
本文将自动驾驶中的位置识别构建为多类分类问题，通过为LiDAR扫描分配离散位置标签并训练编码器-解码器模型直接分类位置，在NuScenes数据集上取得与对比学习相当的性能，且在训练效率和稳定性上更具优势。
Global Context for improving recognition of Online Handwritten Mathematical Expressions
针对在线手写数学表达式中的符号分割、符号识别和关系分类这三个子任务，提出了一种时态分类方法。分类模型由多个符号路径和来自HME的符号关系树（SRT）表示的空间关系来训练。该方法得益于一个深度双向长短期记忆网络的全局上下文，该网络通过连接主义时间分类损失直接从在线手写体中学习时间分类。为了识别一个在线HME，一个符号级的解析树与上下文无关文法的构建，其中的符号和空间关系，从时间分类的结果。我们在两个最新的CROHME数据集上证明了该方法的有效性。
Image Recognition for Garbage Classification Based on Pixel Distribution Learning
针对传统CNN垃圾分类方法计算复杂且易受图像变化影响的问题，提出基于像素分布学习的图像识别方法，并在Kaggle数据集上验证其性能与效率。
Sympathy for the Details: Dense Trajectories and Hybrid Classification Architectures for Action Recognition
视频中的动作识别是一个具有挑战性的任务，由于时空模式建模的复杂性和难以获取和学习大量的视频数据。深度学习虽然是图像分类的一个突破，并显示出对视频的承诺，但仍然没有明显取代使用手工制作的特征的动作识别方法，即使在大规模数据集上进行训练。在本文中，我们介绍了基于精心设计的无监督表示的混合视频分类架构，这些表示由监督深度网络分类的手工时空特征。正如我们在五个流行的动作识别基准上的实验中所展示的那样，我们的混合模型结合了两个世界的优点：它是数据高效的（在150到10000个短片段上训练），但在最新技术水平上有了显着改进，包括最近在数百万个手动标记的图像和视频上训练的深度模型。
Artist, Style And Year Classification Using Face Recognition And Clustering With Convolutional Neural Networks
艺术品绘画的艺术家、年份和风格分类通常使用标准图像分类方法、图像分割或最近的卷积神经网络（CNN）来实现。这项工作的目的是使用新开发的人脸识别方法，如FaceNet，该方法使用CNN来使用绘画中提取的人脸对美术绘画进行聚类，这些人脸被大量发现。我们选择了一个由1000多位艺术家的80，000多幅画作组成的数据集，并执行了三个独立的人脸识别和聚类任务。生成的聚类通过绘画的文件名进行分析，聚类通过其主要艺术家，年份范围和风格命名。进一步分析集群，并计算其性能指标。该研究显示了有希望的结果，因为艺术家，年份和风格的聚类准确率分别为58.8%，63.7%和81.3%，而聚类的平均纯度分别为63.1%，72.4%和85.9%。
Improving Landmark Recognition using Saliency detection and Feature classification
图像地标识别是视觉和感知领域最受欢迎的分类挑战之一。经过这么多年的建筑物和纪念碑的一般分类从图像，人们现在专注于细粒度的问题-认识到每一个建筑物或纪念碑的类别。我们提出了一个集成网络的目的，印度地标图像的分类。为此，我们的方法通过将基于图形的视觉显着性（GBVS）网络的预测与监督的基于特征的分类算法（如kNN和随机森林）相结合来提供强大的分类。最后的架构是所有提到的网络的自适应学习。建议的网络产生一个可靠的分数，以消除虚假类别的情况下。我们的模型的评估是在一个新的数据集上完成的，这涉及到诸如地标混乱、可变缩放、部分遮挡等挑战。
iCAR: Bridging Image Classification and Image-text Alignment for Visual Recognition
图像分类是根据预定义的类别对图像进行分类的方法，在过去的十年中，它一直是视觉表示学习的主要方法。然而，通过图文对齐的视觉学习已经显示出有前途的性能，特别是对于zero-shot识别。我们认为这两个学习任务是互补的，并建议将它们结合起来，以更好地进行视觉学习。我们提出了一种具有三种适应性的深度融合方法，可以有效地桥接两个学习任务，而不是通过朴素的多任务学习进行浅融合。首先，我们修改了以前的常见做法，在图像分类，线性分类器，余弦分类器，表现出相当的性能。其次，我们将图像分类问题从学习参数类别分类器权重转换为学习文本编码器作为Meta网络来生成类别分类器权重。所学习的文本编码器在图像分类和图文对齐之间共享。第三，我们丰富每个类名称的描述，以避免类之间的混淆，使分类方法更接近图文对齐。我们证明了这种深度融合方法在各种视觉识别任务和设置上比个体学习或浅融合方法表现更好，从zero-shot/Few-Shot图像分类，如Kornblith 12数据集基准，到动作识别，语义分割和目标检测的下游任务，在微调和开放词汇设置中。该代码将在https://github.com/weiyx16/iCAR上提供。
Meta-SurDiff: Classification Diffusion Model Optimized by Meta Learning is Reliable for Online Surgical Phase Recognition
针对手术视频中帧歧义与阶段分布不均两类不确定性问题，提出经元学习优化的分类扩散模型Meta-SurDiff，通过细粒度置信度评估与鲁棒分类边界提升在线手术阶段识别的可靠性，在五个多类型数据集上验证了有效性。
Classification of Polar-Thermal Eigenfaces using Multilayer Perceptron for Human Face Recognition
本文提出了一种新的方法来处理人脸识别的挑战。在这项工作中，热人脸图像被认为是，这最大限度地减少了由于胡子，胡须，装饰品等照明变化和闭塞的影响。所提出的方法注册的训练和测试热人脸图像在极坐标，这是能够处理的缩放和旋转引入的复杂性。将极坐标图像投影到特征空间，最后使用多层感知器进行分类。在实验中，我们使用了对象跟踪和分类超可见光谱（OTCBVS）数据库基准热人脸图像。实验结果表明，该方法显著提高了验证和识别性能，成功率为97.05%。
Improving Human Action Recognition by Non-action Classification
在本文中，我们认为，在现实的视频中，人类的行动是由不相关的因素占主导地位的识别人类的行动的任务。我们首先研究删除非动作视频片段的好处，这些片段不描绘任何人类动作。然后，我们学习一个非动作分类器，并使用它来降低不相关视频片段的权重。非动作分类器是使用NATIONAL Thread训练的，NATIONAL Thread是一个具有镜头级注释的数据集，用于人类动作的发生或不发生。非动作分类器可用于以高精度识别非动作镜头，并随后用于提高动作识别系统的性能。
Classification for everyone : Building geography agnostic models for fairer recognition
本文针对图像分类模型中的地理偏差问题，在 The Dollar Street Dataset 和 ImageNet 上定量验证偏差，并提出多种缓解方法，以提升模型对不同地理位置图像的公平性与鲁棒性。
Categorical Knowledge Fused Recognition: Fusing Hierarchical Knowledge with Image Classification through Aligning and Deep Metric Learning
针对图像分类模型依赖背景等非目标因素推理的问题，提出融合类别层级知识的深度度量学习方法，通过对齐潜在空间与知识空间距离的三元组损失实现端到端融合，在多个数据集上验证了其提升识别推理能力的有效性。
Classification-Reconstruction Learning for Open-Set Recognition
开集分类是处理训练数据集中不包含的“未知”类的问题，而传统的分类器假设只有已知的类出现在测试环境中。现有的开集分类器依赖于在训练集中的已知类上以监督方式训练的深度网络;这导致学习的表示专门化为已知类，并且难以区分未知和已知。相反，我们训练网络用于联合分类和输入数据的重建。这增强了学习的表示，以便保留用于将未知数与已知数分离的信息，以及区分已知数的类别。我们新的开集识别分类-重构学习（CROSR）利用潜在表示进行重构，并在不损害已知类分类准确性的情况下实现鲁棒的未知检测。大量实验表明，该方法在多个标准数据集上优于现有的深度开集分类器，并且对不同的离群值具有鲁棒性。该代码可在https://nae-lab.org/~rei/research/crosr/上获得。
An Aerial Image Recognition Framework using Discrimination and Redundancy Quality Measure
航空图像分类在遥感和人工智能中发挥着不可或缺的作用。在本文中，我们提出了一个新的航空图像分类框架，专注于组织每个航空图像的局部补丁到多个判别子图。子图既反映了航空影像的几何特性，又反映了航空影像的色彩分布。首先，每个空间图像被分解成一个集合的区域在其颜色强度。由此，区域连通图（RCG），它模拟空间相邻区域之间的连接，编码的空间上下文的航空图像。其次，采用子图挖掘技术，发现从训练的航空影像构造的RCG中的频繁结构。此后，一组细化的结构中选择的频繁的是高歧视性和低冗余。最后，给定一幅新的航拍图像，提取其与细化结构相对应的子RCG。它们被进一步量化为SVM分类的判别向量。实验结果验证了该方法的有效性。此外，可视化的挖掘子图显示，每个航空图像的判别拓扑发现。
Zero-Shot Recognition through Image-Guided Semantic Classification
我们提出了一个新的基于嵌入的零样本学习（ZRL）框架。大多数基于嵌入的方法旨在学习图像分类器（视觉表示）和每个类的类原型（语义表示）之间的对应关系。受多标签分类的二进制相关性方法的启发，我们提出了反向学习图像和语义分类器之间的映射。给定输入图像，所提出的图像引导语义分类（IGSC）方法创建标签分类器，应用于所有标签嵌入，以确定标签是否属于输入图像。因此，语义分类器是图像自适应的，并且是在推理期间生成的。IGSC在概念上很简单，可以通过对现有的深层分类架构进行轻微增强来实现;但它是有效的，并且在标准基准测试中优于最先进的基于嵌入的广义GML方法。
Classification of Fused Images using Radial Basis Function Neural Network for Human Face Recognition
本文提出了一种有效的自动人脸识别融合技术。视觉和热图像的融合已经完成，以利用热图像以及视觉图像的优点。通过采用融合，可以获得新的图像，其提供最详细、可靠和有区别的信息。在该方法中，在第一步骤中使用视觉和热面部图像生成融合图像。在第二步中，融合图像投影到特征空间，最后使用径向基函数神经网络分类。在实验中，已使用的热和视觉人脸图像的对象跟踪和分类超可见光谱（OTCBVS）数据库基准。实验结果表明，该方法具有良好的识别未知个体的最高成功率为96%。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。