本文提出了本地二进制卷积（LBC），它是标准卷积神经网络（CNN）中卷积层的有效替代方法。LBC 层由一组固定的稀疏预定义的二进制卷积滤波器、非线性激活函数和一组可学习的线性权重组成，它可以显著节省计算和参数空间。

Aug, 2016

本文提出一种基于卷积神经网络的综合框架，通过人工模糊训练数据、分支主干集成卷积神经网络模型以及改进型三元组损失函数等技术，有效克服了视频人脸识别中面临的图像模糊、姿态变化和遮挡等问题，并实现了在多个流行视频人脸数据库上的最佳表现。

Jul, 2016

本篇研究提出了在视频中进行情感识别的 3D 卷积神经网络方法，使用 3D Inception-ResNet 层及 LSTM 单元，从面部图像中提取空间关系和不同帧之间的时间关系，并利用面部关键点作为输入，该方法在四个公开数据库上的表现超过了现有最先进技术。

May, 2017

该论文提出基于局部相位提取方法的 3D 卷积神经网络模型，相对于传统模型具有更高的特征学习能力、参数节省和更高的精度。

Apr, 2019

本文提出了一种具有轻量、紧凑和适用于适用于计算资源有限应用的体系结构，并在人体姿势估计和面部对齐等定位任务上，详细研究了神经网络二值化的效果，提出了多种正交方法来提高性能，在此基础上，提出了一种新的分层、并行和多尺度残差架构，同时具有与标准瓶颈块相同数量的参数，从而填补了原始网络与其二值化对应物之间的差距，大幅提高了性能，并在人体姿势估计和面部对齐等最具挑战性的数据集上获得了最前沿的表现，同时探究了其性质与性能，并支持关于面部部分分割的其他结果。

Aug, 2018

探讨神经网络二值化在人体姿态估计和面部对齐任务中的效果，提出了一种新的分层，平行和多尺度残差架构，该架构在性能方面具有显著改进，并在人体姿态估计和面部对齐任务中进行了实验，表现优异。

Mar, 2017

通过使用卷积神经网络自动学习的特征和由视觉单词的袋子模型计算的手工特征相结合的方法进行面部表情识别，然后使用三步的局部学习框架进行类别标签预测，得出了目前最佳结果。

Apr, 2018

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

本文提出了一种新的局部监督深度混合模型，通过增强和探索卷积特征来实现场景识别，并将特征编码成局部中层表示，与高层特征协同使用以取得出色的性能。

Jan, 2016

本文提出了一种基于全卷积神经网络的三维图像分割方法，通过优化 Dice 系数的目标函数，应对前景和背景体素数量极不平衡的情况，并通过数据增强技术提高数据样本的数量和多样性，实验结果表明该方法在肺部三维图像分割任务中取得了较好的性能。

Jun, 2016