Aug, 2015

音频场景检测的时频表征梯度直方图

PDF
TL;DR该研究论文通过提出一种基于梯度直方图的音频场景特征描述方法，对音频场景分类问题进行了探究，并在多个数据集上进行了比较实验，结果表明该方法具有更好的鲁棒性和性能表现，同时该研究还提供了一个新的数据集，可为后续研究提供参考。
audio scenes classificationhistogram of gradientstime-frequency representationinvariancedataset
发现论文，激发创造
  • 提升语音分析的本地光谱 - 时域特征

    本文研究语音识别中的电话分类问题，并探讨了几组可用于电话分类的本地光谱时间特征。特别地，我们提出了使用两组常用于对象检测的特征进行电话分类的初步结果：Haar 特征和 SVM 分类的梯度直方图（HoG）。

    May, 2023

  • 一种用于动作识别的强大高效的视频表示方法

    本文旨在介绍一种最先进的视频表示方法并将其应用于高效的动作识别和检测。我们采用密集轨迹特征提取等一系列方法来改进该方法，并比较了传统基于单词包直方图的编码方法以及 Fisher 向量编码方法在视频识别任务中的表现。实验结果表明，我们提出的改进轨迹特征显着优于传统的密集轨迹方法，并且 Fisher 向量编码方法表现更好。

    Apr, 2015

  • 第一人称视角视频的动作特征汇聚

    本文提出了一种基于时间序列池化的特征表示框架，用于抽象活动视频中的短期 / 长期特征描述符的变化，并用于处理第一人称视频活动数据集的动作识别问题，与基于视觉词袋和改进的 Fisher 矢量的特征表示相比能够更好地表征第一人称视频中的动作。

    Dec, 2014

  • 面具特征预测用于自监督视觉预训练

    本研究提出了 Masked Feature Prediction (MaskFeat) 方法，它使用随机遮挡的方式自我监督预训练视频模型，主要利用 Histograms of Oriented Gradients（HOG）这种手工特征描述符，探讨了 5 种不同的特征，并发现其中 HOG 在性能和效率方面表现出色，该方法在无需使用额外模型权重或监督的情况下，使用未标记视频预训练，可以实现 86.7％的 Kinetics-400 分类准确率，拥有出色的表现。

    Dec, 2021

  • 基于深度学习的音频事件识别中时间域和频率域的对比

    本文研究了深度神经网络对频域和时域音频信号进行特征学习的效果，并利用卷积和池化进一步提高了音频事件识别的性能，实现了最先进的结果。

    Mar, 2016

  • 直方图层用于纹理分析

    本文提出了一种基于直方图的神经网络局部分布特征提取方法，可有效提高材质纹理分析的性能。

    Jan, 2020

  • 利用 HOG 的微分来实现直接前像重建和姿态估计的区别

    该研究使用自动导数工具 Chumpy 实现了基于 $ abla$HOG 的应用，包括图像可视化和姿态估计，并扩展了现有的可微分渲染器 OpenDR。这两个应用程序均改善了各自领域的最先进的 HOG 方法。

    May, 2015

  • HATS: 基于均值时间曲面直方图的鲁棒事件驱动物体分类

    本文介绍了一种新的事件相机特征表示方法和新的机器学习架构，并发布了第一个用于对象分类的大型真实事件数据集，经过广泛的实验证明，相对先前的方法，本文方法具有更好的分类性能和实时计算能力。

    Mar, 2018

  • 使用卷积神经网络比较环境声音分类的时频表示

    本研究比较了不同信号处理方法在卷积神经网络进行音频分类任务时所得到的频谱图表示，发现 Mel-scaled STFT 方法表现最佳。同时还发现，信号的特点以及转化窗口的大小都对分类结果有影响，2D 卷积神经网络在大多数情况下都比 1D 效果更好。

    Jun, 2017

  • 一种增强的深度特征表示方法用于人员再识别

    本文提出 Feature Fusion Net 模型，使用手工制作的直方图和纹理特征，能够与卷积神经网络 (CNN) 特征互补，可以得到一个更具区分性和紧凑的深度特征表示，并在 VIPeR、CUHK01 和 PRID450s 三个数据集上进行了验证。

    Apr, 2016