本篇研究提出了一种新型的双重定向胶囊网络模型 (DirectCapsNet)，它利用胶囊层和卷积层的组合来学习有效的非常低分辨率 (VLR) 图像识别模型，并提出了两种新的损失函数： HR-anchor loss 和 Targeted Reconstruction Loss，以克服 VLR 图像信息内容有限的挑战，在 VLR 数字分类和面部识别实验中与最先进的算法进行比较，结果表明，DirectCapsNet 表现出最先进的结果，例如，在 UCCS 面部数据库上，当 16x16 图像与 80x80 图像匹配时，其精度超过 95％。

Aug, 2019

本文提出了一种在嵌入空间中提高人脸可识别性的方法，该方法基于两个标准：每个面嵌入与不可识别面群集中心的接近程度以及每个面嵌入与其正面和负面类原型的接近程度，并引入了感知注意机制来关注最具识别性的面部区域。经过对三个具有挑战性的低分辨率数据集和面部质量评估进行了广泛的评估，证明了所提出的模型在 VLRFR 方面的优越性。

Apr, 2023

本文分析在野外捕捉到的低质量条件下的人脸识别技术，提出了超分辨率方法、深度学习和有监督的判别学习方法来处理这个问题，并在 SCFace 和 UCCSface 数据集上进行了评估。

May, 2018

本文综述了过去五年中低分辨率人脸识别的各种方法及相关工作，涉及视频监控、超分辨率、去模糊等技术，并对数据集和实验设置进行了描述，最后总结了一般限制和未来努力的优先事项。

May, 2018

本论文提出了一种从极低分辨率视频（如 16x12）中识别人类活动的方法，既能够分析偏远地区的活动，同时也能实现隐私保护识别。我们设计了一个新的两流多 - Siamese 卷积神经网络，能够显式捕捉低分辨率视频的内在特性。实验证明，我们的方法优于之前的低分辨率识别方法，并且在两个公开的标准数据集上具有显著的优势。

Aug, 2017

低分辨率图像识别中的关键在于特征提取，本文探讨了残差模块的基本维度及其对特征提取和计算效率的影响，并基于实验引入了一种双分支残差网络结构，结合常见特征子空间算法和中间层特征的利用，以提高低分辨率图像在交通环境中的识别精度，并通过知识蒸馏来减少网络参数和计算开销，实验证明该算法在低分辨率交通图像识别中的有效性。

Sep, 2023

本研究分析了图像分辨率对基于手工制作的 Visual Place Recognition (VPR) 管道的精度和鲁棒性的影响，并旨在帮助学术研究人员和公司在硬件和软件行业共同设计 VPR 解决方案以及扩展 VPR 算法在商业产品中的应用。

May, 2023

本文提出了一种训练方法来 fine-tune 现代的人脸识别模型，以帮助它们提取抗分辨率的深层特征，同时也考虑了高低分辨率和低质量人脸识别的问题，并展示了使用超分辨率技术进行预处理可以更有效地使用我们的方法。

Dec, 2019

High-Resolution Network (HRNet) is a new computer vision framework that maintains high-resolution representations through the whole process, resulting in semantically richer and spatially more precise representations, which outperforms existing state-of-the-art frameworks in human pose estimation, semantic segmentation, and object detection.

Aug, 2019

研究提出一种新的处理低分辨率人脸识别的框架，其中采用了多分辨率增强和基于对数指数距离函数的度量损失，能够有效克服低分辨率下表现退化的问题，并在多种实验数据集上表现出良好的识别性能。

Feb, 2023