CVPRNov, 2019

将视觉物体识别置于上下文中

PDF
TL;DR该论文提出了一个生物学上启发的上下文感知对象识别模型，该模型由双流体系结构组成，动态地整合对象和上下文信息，并顺序推理目标对象的类标签，该模型不需要为每个任务重新训练，在各种行为任务中近似人类水平性能，捕捉上下文增强对图像属性的依赖性，并提供了整合场景和对象信息进行视觉识别的初始步骤。
visual recognitioncontextual informationobject recognition modeltwo-stream architecturescene and object information
发现论文，激发创造
  • 猪也会飞：合成和自然场景下的情境推理

    通过一个多样化的、合成的虚拟家庭环境 -“场景背景” 数据集 (OCD)，本文提出了一种基于上下文的识别变压器模型，将对象和背景信息通过多头注意模式进行融合，能够捕捉上下文推理的有用信息，在 OCD 和其他 “场景背景” 数据集上，使人机都能表现出类似的性能和更好的较强的鲁棒性。

    Apr, 2021

  • 基于知识图谱的上下文驱动视觉对象识别

    通过将语境知识编码到知识图中，提高深度学习方法的鲁棒性，增强物体识别模型对于跨领域和真实世界场景的表现。

    Oct, 2022

  • 上下文选择在目标检测中的作用

    研究对象检测中上下文限制效果有限的原因，提出了一种基于区域的上下文重新评分方法，该方法采用动态上下文选择来消除噪声并强调信息上下文，实验表明该方法在性能评估方面显著优于外观检测器和传统上下文模型。

    Sep, 2016

  • 有对象和无对象的物体识别

    本文提出了一种训练深度神经网络的新方法，分别对图像前景（对象）和背景（上下文）区域进行训练，并将多个训练网络结合在一起，以提高图像识别性能，证明了所提出的框架的优点。

    Nov, 2016

  • 建模视觉上下文是扩充物体检测数据集的关键

    本研究旨在通过利用分割注释来增加训练数据中的物体实例数量，通过适当地对物体周围的视觉环境进行建模以在物体所处的正确环境中放置它们，以提高少量标记样本的 VOC'12 基准测试平均精度。

    Jul, 2018

  • 基于深度特征的目标检测上下文模型

    本文提出了一种综合局部外观特征，对象关系的上下文信息和全局场景上下文特征的集合物体检测系统，该系统采用基于对象建议的完全连接条件随机场（CRF）进行建模，并利用快速平均场近似方法有效地进行 CRF 模型中的推理，实验结果表明，与基线算法 Faster R-CNN 相比，我们的方法在 PASCAL VOC 2007 数据集上实现了更高的平均精度（mAP）.

    Apr, 2016

  • 自适应情境感知：如何推广应用于新的背景和具有模糊性的物体

    本文探讨了视觉模型如何自适应地利用上下文进行分布外泛化，研究发现，具有因子化的表征和适当特征加权的模型可以更好地处理背景不变性和物体消歧，提出了新的数据扩增方法，提高了模型的泛化能力。

    Jun, 2023

  • 面向上下文感知语音识别的视觉特征

    该论文提出了一种基于 DNN 技术的语音识别系统及 RNN 语言模型来提高视频自动生成的字幕准确性，通过对视频中自动检测到的物体或场景的条件来减少困惑度和提高转录，可以应用于机器人、人机交互及音视频存档索引等领域。

    Dec, 2017

  • 自监督学习的情景推理

    本文基于自监督学习提出了一种上下文感知的自监督学习方法 SeCo，该方法使用可学习的外部记忆存储先前的上下文信息以支持目标辨识，通过两个评估协议证明 SeCo 的性能优于目前最先进的自监督学习方法，并准确模拟人类学习行为。

    Nov, 2022

  • 统一身份认证和环境学习以进行人员识别

    本文提出了一种新的人物识别框架：区域注意力网络，它能够以实例相关的方式自适应地组合不同的视觉线索，并学习社交上下文和人物身份的推理，从而在复杂的环境中大幅提高了鲁棒性。

    Jun, 2018