CVPRAug, 2015

透过照片看拍摄者：辨识照片作者

PDF
TL;DR该研究新颖地提出了解决图像中摄影师身份识别问题的方法，并通过 180,000 张 41 位著名摄影师拍摄的图像数据集，使用计算机视觉技术和卷积神经网络等方法，研究不同特征对于摄影师身份的判断效果。研究结果表明，高级特征能够显著提高识别准确度，并通过质量较高的模型识别结果展示了具体人物拍摄风格推测的能力，同时对基于摄影师身份的应用进行了探究。
photographer identificationcomputer visionconvolutional neural networkimage datasetfeature analysis
发现论文，激发创造
  • 基于卷积神经网络的相机模型识别的初步探索

    本文研究了一种基于卷积神经网络的数据驱动算法来解决相机型号识别问题，结果表明，所提出的方法在 64x64 的彩色图像块分类上优于最新的算法，而且所学到的特征具有很好的泛化性能。

    Mar, 2016

  • 卷积神经网络实现相机模型识别

    本论文介绍了关于 10 台不同相机型号识别的深度学习方法，使用了数据增强技术，最终在 Kaggle 的相机型号识别挑战中获得了 98% 的准确率，并进行了有关数据集的一系列实验。

    Oct, 2018

  • 个人相片集中的人物识别

    提出一种基于卷积神经网络的人物识别系统，针对不同的身体线索和训练数据量的信息量，系统的常见故障模式进行了深入分析，并讨论了现有基准的局限性并提出更具挑战性的基准，其简单易用且在社交媒体照片数据集（PIPA）上达到了更好的成果。

    Sep, 2015

  • 个人照片集中的人物识别

    该论文提出了一种基于多图像区域（头部、身体等）的简单的人员识别框架，以应对社交媒体照片中的人员识别问题，并针对训练和测试样本之间的时间和外观差距提出了新的识别方法，该方法在 PIPA 基准上取得了最先进的结果，对不同的特征进行了深入的分析。

    Oct, 2017

  • 基于神经增强相机指纹的网络照片来源识别

    本文提出了一个使用神经网络增强的传感器噪声以高效追踪 Web 照片的创新性实用源识别框架，通过度量学习和频率一致性优化深度网络设计从而实现了可靠的源标识。

    Feb, 2023

  • 揭示新闻照片的隐藏模式：使用 GDELT 和基于深度学习视觉 API 分析数百万新闻照片

    本研究基于深度学习技术，在分析 2016 年一月份两百万张新闻照片的基础上，探索了新闻照片的出现物体、情感分析、性别表现、政治候选人形象等多个方面。该研究是首个大规模利用深度学习 API 进行新闻图片内容分析的工作。

    Mar, 2016

  • 百年肖像：美国高中年鉴的视觉历史记录

    该研究通过对大规模历史图像数据集进行自动化分析，发现历史时尚的视觉趋势并识别与日期相关的视觉模式，同时开发了一个分类器以预测肖像照片的拍摄时间。

    Nov, 2015

  • 利用卷积神经网络实现自动照片方向检测

    本研究采用了卷积神经网络对图像方向检测进行研究，取得了优于同类论文的研究成果，该系统在消费级照片的检测中表现出色，并使用 Guided Backpropagation 解释其错误。

    May, 2023

  • 从大规模的弱监督数据中学习视觉特征

    本文探讨了在大型弱标记图像集上训练卷积网络以提升视觉特征表达的潜力，并证明了在 1 亿张 Flickr 图片与样本说明上训练出来的特征在多种视觉问题中表现良好，还能够妥善地捕捉单词之间的相似性，并学习不同语言之间的对应关系。

    Nov, 2015

  • 利用深度神经网络进行作者名称消歧

    本研究提出了一种基于深度神经网络自动学习特征的作者姓名消歧方法，并在包含越南作者姓名的数据集上验证，结果表明该方法在准确率方面表现显著优于使用预定义特征集的其他方法。

    Feb, 2015