Jul, 2023

用于生物识别的微型 Siamese 网络

PDF
TL;DRTinySiamese 是一种用于生物识别的网络，采用预训练 CNN 作为特征提取器和 TinySiamese 学习提取特征，以达到与标准 Siamese 几乎相同的性能和效率，避免了内存和计算时间的问题。TinySiamese 可以在低功耗机器上运行，只需要不超过 7 层的小型网络，并在多个数据集上实现了高准确性。
biometric recognitionmachine learningsiamese networksfeature extractionefficiency
发现论文，激发创造
  • 基于 Siamese 网络的深度学习人脸识别方法

    通过使用对比网络的方法，在没有标记的人脸图像的情况下，实现了接近监督基准的性能。

    Dec, 2023

  • 基于门控连体卷积神经网络的人体再识别架构

    本文提出了一种用于跨摄像头匹配行人的人体再识别框架，通过引入一个选择性强化细粒度共有的局部模式的门控函数，将同一身份的图像向量嵌入到特征空间中更密集的区域，提高了再识别的性能。在 CUHK03、Market-1501 和 VIPeR 数据集上的实验证明，与基线 Siamese CNN 架构相比，该框架表现更优。

    Jul, 2016

  • 使用深度共享网络进行不同化脸部检测

    本文提出了一种新的差分变形攻击检测框架，使用深度 Siamese 网络，通过比较我们的模型与其他经典和深度学习模型，使用两个不同的变形数据集，VISAPP17 和 MorGAN，我们探索了由对比损失生成的嵌入空间，并使用欧几里得距离、特征差和支持向量机分类器、特征级联和支持向量机分类器三个决策框架。

    Dec, 2020

  • SigNet：用于作者无关的离线签名验证的卷积孪生网络

    使用卷积 Siamese 网络，Modi 等人提出了一种离线笔迹验证的方法，其在多语言脚本和手写风格的模拟中，能够显著优于现有数据集上的最新结果，这为进一步研究提供了奠定基础。

    Jul, 2017

  • 基于注意力机制的连体卷积神经网络在医学图像识别中的应用

    本研究基于注意力和连体神经网络，针对少样本和细粒度图像识别问题，提出了适用于分类模型的连体神经网络，并使用注意力神经网络来改善分类效果，结果表明，在 COVID-19 肺样本上测试，样本数量越少，与普通神经网络相比优势越明显。

    Apr, 2023

  • 跟踪学习：用孪生卷积神经网络进行强健的目标关联

    本文提出一种新颖的数据关联方法，通过引入一个两阶段的学习方案来匹配检测对，第一阶段使用 Siamese 卷积神经网络来学习编码两个输入图像 patch 之间的局部空时结构描述符。第二阶段使用由比较的输入 patch 的位置和大小导出的一组上下文特征，通过梯度提升分类器与 CNN 输出结合来生成最终匹配概率，表明即使简单高效的跟踪器也可能在我们学习的匹配概率上表现优异，已公开可用的序列结果表明我们的方法达到了多人跟踪的最新标准。

    Apr, 2016

  • 利用神经网络的生物计量学

    生物识别技术在数字身份识别中发挥着重要作用，然而当前的技术仍存在一定的安全性和精确性问题。本文调查了基于神经网络的各种生物识别技术，强调了对提高精确性和可靠性的不断追求，得出了神经网络与生物特征结合不仅可以提高准确性，还有助于整体安全性的结论。

    Feb, 2024

  • 自适应孪生跟踪和紧凑潜在网络

    本文介绍了一种基于分类的思路来简化 Siamese 追踪器，并通过视觉模拟和实际跟踪示例对其进行了深入分析，提出了一种使用决策样本的紧凑潜在网络来快速调整基础模型，以及一种新的多样化样本挖掘策略来进一步提高所提出的网络的区分能力，在多个数据集上进行的大量实验结果表明，所有三种调整的追踪器在精度和高运行速度方面均获得了卓越的性能。

    Feb, 2023

  • 基于深度学习的时空面部特征视觉语音识别

    本研究提出了一种利用面部识别和语言时的面部特征运动的身份验证过程，该过程不受语言限制且在低资源计算环境中具有 96.1% 准确率的表现。

    Apr, 2023

  • 深度 Fisher-Vector 描述符连结网络用于图像检索

    本文介绍了一种用于大规模图像检索的新型 Siamese 网络，结合了 CNN 组件和 Fisher vector 组件，可以同时学习 CNN 过滤器权重和 Fisher Vector 模型参数，并且结果比现有的方法有显著改善。

    Feb, 2017