ECCVJul, 2018

比较器网络

PDF
TL;DR本文设计了一种新型神经网络结构，称为 Deep Comparator Network，实现面部图像的两两比较，以得到相似度。经过较大规模测试集的比较，该方法明显优于以往技术并可以广泛应用于面部识别。
set-based verificationneural network architecturedeep comparator networkface recognition benchmarkssimilarity
发现论文，激发创造
  • 基于深度联合注意力的比较器用于人员再识别的相对性表示学习

    本文提出了一种基于深度共同关注的比较器（DCCs），以克服现有人物重新识别方法在相互独立的图像区域上检测最相关的部分以及在比较相似性时的空间操作等限制，用于在行人图像对之间寻找相关特征并动态生成相对表示，提高了行人重新识别的效率和准确性。实验结果表明，该方法在三个基准数据集上均取得了最先进的性能。

    Apr, 2018

  • 遥感场景分类的成对比较网络

    本论文提出了一种基于成对比较网络的遥感场景分类方法，该网络通过自表示和互表示来捕捉图像之间的微妙差异，实现了遥感图像场景分类任务的显著提升。

    May, 2022

  • 人脸识别的多列网络

    本论文旨在提出一种多列神经网络架构，它可以自适应地对输入的人脸图像集进行加权和校准，计算出一个固定大小的特征向量来代表整个集合，此举在人脸识别评测基准测试中的表现优异。

    Jul, 2018

  • CompNet：处理图像和设计特征组合的指定模型

    本文提出了一种新的 CNN 模型结构 ——CompNet，即复合卷积神经网络，用于处理既包含图像也包含设计特征的分类任务，结合使用图像的学习特征权重设计特征，以充分利用所有可用信息，并显著减少过拟合现象。对 LIDC 数据集进行实验验证并与类似方法进行比较，结果表明，该模型在分类任务中的表现优于其他方法。

    Sep, 2022

  • 通用对应网络

    本文提出了一种深度学习框架，用于准确的视觉对应，并证明了其在几何和语义匹配中的有效性，提出了一种卷积空间变换器来模仿传统特征（如 SIFT）中的补丁归一化，广泛的 KITTI，PASCAL 和 CUB-2011 数据集的实验表明，与使用手工构建或学习特征的先前作品相比，我们的特征具有显着优势。

    Jun, 2016

  • 图像检索的相关性验证

    本研究提出了一种名为 Correlation Verification Networks (CVNet) 的图像检索网络，包括深度堆叠的 4D 卷积层，以及横跨多个尺度的特征金字塔和特征相关结构，并使用课程学习与硬负采样和 “捉迷藏” 策略处理困难样本，其表现优于现有方法 (+12.6% in mAP on ROxford-Hard+1M set)。

    Apr, 2022

  • 深度相似网络的可视化

    本文介绍了一种针对卷积神经网络模型中图像嵌入优化的方法，用于突出显示贡献最大的图像区域，可用于相似性学习领域的问题。我们还将该方法推广至使用不同池化策略的嵌入网络，并提供了一种支持查询图像中物体或子区域的图像相似性搜索的简单机制。

    Jan, 2019

  • 条件相似网络

    本篇论文提出了一种称为 “条件相似性网络” 的方法，用于学习分离式嵌入，不同的相似性概念被编码在不同的语义子空间，并用于解决多个不同相似性概念的问题。

    Mar, 2016

  • 卷积集匹配用于图形相似度

    使用卷积神经网络在三个真实图形数据集上，展示了 GSimCNN 在计算结点间相似度方面的卓越性能。

    Oct, 2018

  • 邻域共识网络

    本研究介绍了一种基于卷积神经网络的密集对应关系匹配方法，使用邻域一致性匹配模式在两幅图像所有可能的对应关系的 4D 空间中鉴别一组具有空间一致性的对应关系。该方法不需要全局几何模型，只需要弱监督的成对图像匹配信息进行训练。最后，该方法在类别匹配和实例级匹配任务中均取得了最优结果。

    Oct, 2018