Jul, 2023

EnTri: 用三层表示的集成学习进行可解释的场景识别

PDF
TL;DR通过集成学习、多层次视觉特征和图文解释，提出了一个名为 EnTri 的场景识别框架，旨在提高分类准确性并增强透明度和可解释性。实验结果表明，EnTri 在 MIT67、SUN397 和 UIUC8 数据集上的准确率分别为 87.69%、75.56% 和 99.17%，与最先进的方法相比，具有竞争优势。
scene recognitiondeep-learningensemble learninginterpretabilityclassification accuracy
发现论文，激发创造
  • 三元组感知场景图嵌入

    本文通过引入三元组监督和数据增强等实验方法，训练了场景图嵌入向量，发现三元组监督可以显著提高嵌入向量的分离能力，从而提高布局预测模型的性能。

    Sep, 2019

  • 语义感知场景识别

    该论文提出了一种基于多模式 CNN 的场景识别新方法，结合图像和上下文信息，通过注意力机制来强化学习和增强场景的辨别能力，实验证明该方法性能超过所有现有的先进方法，并显著减少了网络参数。

    Sep, 2019

  • DeepTriNet：基於三層注意機制的 DeepLabv3 + 架構用於衛星影像的語義分割

    该研究提出了一种用于卫星图像的语义分割的三级注意力型 DeepLabv3 + 架构（DeepTriNet），通过结合压缩 - 激发网络（SENets）和三级注意力单元（TAUs）与原始 DeepLabv3 + 架构，使用 TAUs 来弥合编码器输出之间的语义特征差距，并使用 SENets 对相关特征进行加权。结果显示，DeepTriNet 在 4 类 Land-Cover.ai 数据集和 15 类 GID-2 数据集上的准确率分别为 98% 和 77%，IoU 分别为 80% 和 58%，精度分别为 88% 和 68%，召回率分别为 79% 和 55%。该方法将为自然资源管理和乡村以及城市地区的变化检测提供高效而语义的卫星图像分割。

    Sep, 2023

  • 热红外物体跟踪的深度多层相似度学习

    本研究提出一种多层相似性模型来提高红外物体跟踪的辨别能力，其中利用了卷积层计算 TIR 对象的全局语义相似度和本地结构相似度，通过一种相对熵的集成子网络进行集成，并构建了大规模 TIR 视频序列数据集以优化算法效果。

    Jun, 2019

  • 基于知识增强的多角度视频表示学习，用于场景识别

    我们提出了一种新颖的双流框架，从多个角度（即时间和非时间角度）建模视频表示，并通过自蒸馏方式将两个角度融合在一起，在视频场景识别任务中自然引入知识。我们的实验结果表明，我们提出的方法是有效的。

    Jan, 2024

  • TriTransNet: 基于三元组变换器嵌入网络的 RGB-D 显著目标检测

    本文介绍了利用 TriTransNet 实现 RGB-D 显著物体检测的方法，采用了 U-Net 框架、连续的卷积和池化操作生成多级特征， 并引入了三个 Transformer 编码器来增强特征的贡献，通过所设计的多种特征处理模块和方法进行实验，可以取得领先水平和竞争力的结果。

    Aug, 2021

  • 语义嵌入相似性原型用于场景识别

    本论文通过引入统计策略，利用类别级别的语义表示来探索场景内不同类别之间的关联，进而构建一个相似性原型，从梯度标签软化和批级对比损失的角度提出了两种使用相似性原型来支持网络训练的方法，对多个基准进行了全面评估，结果表明我们的相似性原型能够提高现有网络的性能而不增加计算负担。

    Aug, 2023

  • 端到端可训练的基于图像序列识别的神经网络及其在场景文本识别中的应用

    本文提出了一种新颖的神经网络架构，将特征提取、序列建模和转录集成到统一框架中，用于场景文本识别，相比现有算法其具有端到端训练，不需要一定的词典限制，更加适合实际应用等优点，在标准测试数据上展现出更好的性能。

    Jul, 2015

  • 基于三视图知识蒸馏的半监督语义分割

    半监督语义分割的三视角知识蒸馏框架（TriKD）包括三视角编码器和双频解码器，并在 Pascal VOC 2012 和 Cityscapes 两个基准上进行了大量实验，结果表明该方法在精度和推理速度之间取得了良好的折衷。

    Sep, 2023

  • 场景文本识别的原始表示学习

    使用基本表示学习方法来处理多方向场景文本，通过构建一个基本表示学习神经网络和图卷积网络来实现。把学习到的视觉文本表示和 2D 注意力机制的编码 - 解码模型结合起来，提出了一个 PREN2D 框架，该框架在英文和中文场景文本识别任务中实现了最先进的表现。

    May, 2021