Mar, 2017

PatternNet: 基于深度神经网络的视觉模式挖掘

PDF
TL;DR本文研究了视觉模式挖掘的问题，并提出了一种名为 PatternNet 的新型深度神经网络结构，用于发现具有辨别性和代表性的模式。使用卷积神经网络中的卷积层滤波器来查找局部一致的可视化块，通过组合这些过滤器，我们可以有效地发现独特的视觉模式，从而提高了视觉识别的性能和效率。
发现论文，激发创造
  • 中层深度模式挖掘

    本文提出了一种基于模式挖掘的中层视觉元素发现方法，利用卷积神经网络的全连接层的神经元激活进行模式挖掘，从而实现图像分类任务中的中层视觉元素的自动发现。经实验证明，该方法在中层视觉元素发现任务上表现优异，在目标分类任务上也能够取得良好的性能。

    Nov, 2014

  • 使用深度卷积神经网络激活函数挖掘中层视觉模式

    本论文探讨利用模式挖掘技术与卷积神经网络在中级视觉元素发现中的应用，提出了两种生成图像特征表示的方法，并在场景和对象分类任务中展示了优异的性能。

    Jun, 2015

  • 使用深度神经网络识别自然图像去噪的重复过程

    本论文提出了一种使用深度神经网络和内部图像统计来处理图像去噪的新方法，该方法在子波系数匹配方面表现出色，其性能达到了最先进水平，特别是对于具有强烈噪声干扰的图像，其效果更加明显，而且可以使用有限的训练数据进行训练。

    Jun, 2018

  • DeepCAMP：深度卷积行为与属性中层模式

    本文介绍了一种新型的卷积神经网络 ——DeepPattern，用于对人类行为和属性进行细分，通过训练得到了一组具有辨别力的中层特征图像块，为行为分类和属性识别提供了一种新的解决方法。

    Aug, 2016

  • 通过模式挖掘识别和使用深度学习骨干网络

    探索深度学习中的核心机制，通过识别给定实例的骨干，应用整数线性规划和模式挖掘的方法，优化性能、解释和可视化，并在相应数据集上进行实验验证。

    Mar, 2024

  • 深度卷积神经网络设计模式

    本文介绍了一些基于最近深度学习的集体知识挖掘的神经网络结构设计原则，并提出了 FractalNet、Stagewise Boosting Networks 和 Taylor Series Networks 等创新型架构。

    Nov, 2016

  • 视觉概念与组合投票

    本文着眼于深度神经网络内部表示的研究，并使用聚类算法提取了一组视觉概念，展示了这些概念可以用于语义部分检测的无监督方法，并将这些视觉概念组合成了一种简单的模式理论模型，名为 “构成投票”，相较于专门针对语义部分检测的支持向量机和深度网络，证明了这种方法的效果更好。

    Nov, 2017

  • 二进制模式编码卷积神经网络用于纹理识别和遥感场景分类

    论文利用二进制模式编码卷积神经网络模型以及不同的深度网络融合架构进行纹理识别和遥感场景分类，并在四个纹理识别数据集和四个遥感场景分类基准测试中进行全面实验，证明该模型提高了识别性能，并超过了现有技术的表现。

    Jun, 2017

  • 基于密集神经模式和区域的通用目标检测

    通过引入从深度卷积神经网络中获取的密集局部特征 —— 密集神经模式 (DNPs)，这篇文章提出了一种准确高效的一般物体检测方法。该方法在现有的检测框架中使用 DNPs，取得了显著的进展。

    Apr, 2014

  • 这像那样：用深度学习进行可解释的图像识别

    介绍了 ProtoPNet，一种深度神经网络架构，该模型通过识别图像的原型部分并将原型部分的证据结合起来，类似于鸟类学家、医生和其他人解决图像分类任务的方式，提供了一定程度的可解释性，并在 CUB-200-2011 数据集和 Stanford Cars 数据集上实现了可比较的准确性。

    Jun, 2018