Aug, 2017

基于完全卷积连续 CRF 神经网络的人脸解析

PDF
TL;DR本文提出了一种基于全卷积网络和连续条件随机场的人脸分割方法，并在多个数据集上进行了全面评估，证明了该方法相对于其他方法具有更好的性能。
发现论文，激发创造
  • 通过循环传播进行人脸解析

    本文提出了结合 CNN 层次表示和基于空间变量递归神经网络的准确标签传播的面部分割算法，能够实现高效的面部图像分析，适用于实时应用。

    Aug, 2017

  • 深度卷积网络与全连接 CRF 的语义图像分割

    该研究论文结合深度卷积神经网络和概率图模型的方法来解决像素级分类（语义图像分割）任务中深层网络往往无法精确定位目标分割的问题，并通过将深层网络的响应与全连接条件随机场相结合，提出了一种 DeepLab 系统。定量实验表明，该方法在 PASCAL VOC-2012 语义图像分割任务中，IOU 精度可达 71.6％。

    Dec, 2014

  • 基于卷积神经网络和条件随机场的时空面部表情识别

    本文提出了一种基于深度卷积神经网络和条件随机场模型的视频面部表情识别方法，该模型从面部图像中提取空间信息和视频帧之间的时间关系，并在三个公共数据库上进行了实验证明，该模型在跨数据库实验中表现出色，并在主体独立实验中获得与现有模型相当的成果。

    Mar, 2017

  • 条件随机场作为循环神经网络

    介绍了一种名为 CRF-RNN 的新型卷积神经网络，该网络将卷积神经网络（CNN）和基于 CRFs 的概率图建模相结合，用于语义图像分割任务，结果在 Pascal VOC 2012 分割基准测试上获得了最好的结果。

    Feb, 2015

  • 利用 CNN 特征学习 CRF 以进行图像分割

    本文主要介绍了一种基于预训练的 CNN 和 CRF 的图像分割方法，通过构建一些潜在的超像素来生成 CRF 的 potentials，并借助结构化 SVM 来学习 CRF 参数。研究者们还构建了空间相关的、共现的二元 potentials，以更加准确地描述目标物体在一定空间布局下的标签关系。实验表明，该方法在很多二元和多元分割测试中表现出很好的性能。

    Mar, 2015

  • CRF-CNN 人体姿态估计中结构化信息建模

    本文提出了 CRF-CNN 框架，用于在深度卷积神经网络中同时模拟输出层和隐藏特征层的结构信息，并应用于人体姿势估计，通过在各层之间的信息传递，采用了卷积和前向传播相结合的方式进行模型的训练，最终在两个基准数据集上验证该模型的有效性。

    Nov, 2016

  • 卷积条件随机场用于语义分割

    该论文介绍了如何在全连接 CRFs 中添加条件独立假设，从而利用卷积重构推理，提高了推理和训练的速度，并可以通过反向传播轻松优化卷积 CRFs 的所有参数，以便于后续的 CRF 研究。

    May, 2018

  • 基于互联卷积神经网络的端到端人脸解析

    提出了一种基于 Spatial Transformer Network 的 end-to-end 面部分割框架，称为 STN-iCNN，通过在两个分离的训练阶段之间添加 STN，将原始 two-stage iCNN 连接起来，从而显着提高了面部分割的准确性。

    Feb, 2020

  • 面部解析的联合卷积神经网络

    本文提出采用 iCNN 的两步方法来进行面部解析，其特点在于在互联的层中广泛使用下采样和上采样.

    Jun, 2018

  • 一种集成 FCNN 和 CRF 的深度学习模型用于脑肿瘤分割

    开发了一种结合全卷积神经网络和条件随机场的新型脑肿瘤分割方法，该方法基于图像块和图像切片训练多个深度学习模型，并将它们组合起来使用投票策略进行脑肿瘤分割。实验证明，该方法在多模态脑肿瘤影像分割方面取得了竞争性的性能，可以实现逐层切片的快速分割。

    Feb, 2017