本文提出了一种基于稀疏编码的 Fisher 向量编码策略 (SCFVC),用于高维局部特征表示,通过使用 CNN 描述符与 SCFVC 方法,我们在多种基准测试数据集上都取得了最先进的表现。
Nov, 2014
本文介绍了一种名为 Completed Fisher vector(CFV)的图像表示方法,相较于传统的 Fisher vector(FV),CFV 不仅能够描述局部特征的方差,还能够描述局部特征的相关性,从而提高了鉴别能力,实验结果表明,CFV 在物体分类任务中表现优秀。
Apr, 2016
采用新的混合模型及 Fisher Vectors 方法,取得了在图像标注和图像搜索任务中的最佳结果。
本研究旨在结合卷积神经网络和 Fisher Vector 编码策略,将 Fisher Vector 编码策略作为一个可训练的端到端可微的系统的一部分,并命名为 FisherNet,该方法优于传统卷积神经网络和标准 Fisher Vector 方法,在 PASCAL VOC 目标分类任务中获得了更好的分类准确性和计算效率。
Jul, 2016
本研究中,我们引入了非独立同分布模型来提高图像特征表示方法的性能,并通过模型的超参数的数据对数似然梯度来编码图像。我们同时使用变分自由能边界来学习超参数和计算近似的 Fisher kernels,其结果表明,与现有的特征集成方法中使用的幂归一化方法相比,我们的模型会提高性能。
Oct, 2015
本文介绍了一种在特征空间内实现运动估计、压缩、补偿和残差压缩的视频编码网络,通过多帧特征融合模块,并利用非局部注意力机制融合多帧参考特征提高帧重建效果,该网络在四个基准数据集上达到了最先进的性能。
May, 2021
该论文提出了一种基于 Fisher 向量与变分自编码器的深层架构,用于将卷积层的本地激活量化为深度生成模型,并在三个公共数据集上进行广泛实验,取得了比现有最先进方法更好的结果。
Nov, 2016
在人工智能领域,学习并拥有类人类的智能需要处理认知的本质概念和生成这些概念的新的组合的能力,本文研究了这两种能力之间的关系,并发现基于向量的表示方法可以提高这两种能力,此观察结果与神经科学研究一致,为实现类人智能迈出了重要一步。
May, 2023
本文研究带有小反馈顶点集的高斯图模型,提出了有效的结构学习算法,特别是针对隐藏变量的情况,能够通过交替低秩校正等方式成功地学习模型参数,并用合成数据和真实数据进行了验证。
Nov, 2013
通过 Compositional Coding for Collaborative Filtering(CCCF)框架,作者提出了一种改进二进制编码协同过滤方法,将每个用户 / 项目表示为一组二进制向量,并将其与稀疏实值权重向量相关联,既提高了二进制代码的表示能力,又保证了其处理速度,进一步加速方法的推荐效率并提高其性能。
May, 2019