Dec, 2023

将人类视觉感知融入视觉转换器用于废物分类

PDF
TL;DR通过使用差异模糊技术在数据集上模拟眼球震颤学习现象，此文研究了垃圾分类的一种新方法，该方法中的第二个模块类似于原始的 Vision Transformer 模型，能够提高模型的精确性和适应性，比标准 Vision Transformer 模型在垃圾分类任务中表现出 2% 的改进幅度。
nystagmusdifferential blurringwaste classificationvision transformermodel precision
发现论文，激发创造
  • 关注注意力：将人眼追踪整合到视觉 Transformer 中

    人类视觉输入的固定点可以融入变形器模型中，以改善在多个驾驶情况和数据集中的准确性。

    Aug, 2023

  • EWasteNet: 一种用于电子垃圾分类的双流数据高效图像转换器方法

    本文提出了一个包含八种不同类别电子设备图像的全面数据集 ——E-Waste Vision Dataset，并介绍了 EWasteNet，一种基于数据有效的图像转换器（DeiT）的精确电子废弃物图像分类的新型两流方法。该方法通过 Sobel 算子检测边缘来完成第一流，通过 Atrous 空间金字塔池化和注意力块来捕捉多尺度上下文信息的第二流。我们同时训练这两个流，它们的特征在决策层被合并。该方法在处理电子废弃物管理的全球关切方面具有显著的有用性，通过准确地对电子废弃物图像进行分类，减少了与不当处理相关的健康与安全风险，促进了高效的废物处理和回收。

    Sep, 2023

  • 利用可训练的动态能量检测和自注意力网络建模人类视觉运动处理以实现自适应运动融合

    本文介绍了一个基于计算机视觉和人类动态视觉系统的深度学习模型，该模型采用可训练的动量能量感知和一种自适应运动集成和分离的循环自我关注网络相结合的方法，能够更好地解释人类视觉运动处理。

    May, 2023

  • VISTA: 基于 Vision Transformer、U-Net 和图像色度滤波的自动零售结账系统

    针对自动零售结账场景中存在的物品重叠、物品外观相似等问题，本文提出了一种基于多分类的物品计数和识别方法，采用 ViT 进行分类，采用图像分割和熵掩蔽解决域偏差问题，并使用多种图像处理方法找到目标对象的帧，最终在 AI 城市挑战赛 2022 第四赛道中获得了第三名。

    Apr, 2022

  • 从人类想象力中学习视觉偏倚

    本文通过一种新的方法，将人类的视觉分类器的偏见转移到了机器的视觉识别系统中，在很少的训练数据情况下，结果表明，将这种人类的偏见转移给机器可以帮助目标识别系统更好地推广和表现。

    Oct, 2014

  • 视频二值化的神经形态协同

    提出了一个基于事件的二进制重建方法，利用双模态目标的属性先后在事件空间和图像空间中执行推理，并合并两个领域的结果以生成清晰的二进制图像。还开发了一种有效的集成方法，将该二进制图像传播到高帧速率的二进制视频中。最后，提出了一种新方法，用于自动识别阈值，将事件和图像自然融合起来。在公开可用和自己收集的数据序列中评估了该方法，并表明在仅使用 CPU 设备的实时环境中，该方法能够优于目前最先进的方法生成高帧速率的二进制视频。

    Feb, 2024

  • 摩托思考：全像素匹配的自我运动预测

    通过应用光流和自我运动补偿的图像方法，该项目解决了行人应用中的运动分析问题，预测人类或机器运动意图的位置和方式，并通过高斯聚合稳定预测的运动焦点区域，增强了运动方向的预测准确性。

    Apr, 2024

  • 机器凝视背后：带有生物启示约束的神经网络表现出类似于人类的视觉关注

    本文提出了神经视觉注意力算法（NeVA），并利用仿生视觉约束在神经网络上实现了类人的扫描路径生成。实验结果表明，该方法在类人扫描路径相似性方面优于现有无监督的人类注意力模型，同时可灵活地研究不同任务对视觉行为的影响，并在考虑不完美的视觉条件下的实际应用中表现出明显的优势。

    Apr, 2022

  • 实时机器人运动生成的深度主动视觉注意力：工具 - 身体融合和自适应工具使用的出现

    本文提出了一种启发于人类认知结构的新型机器人运动生成模型，其中包含了一个状态驱动的主动自上而下的视觉关注模块，该模块能够基于任务状态主动改变目标，并在机器人使用工具任务中对机器人的夹持器和工具进行感知，这类似于生物现象 - 工具身体同化。结果表明，该模型的视觉感知具有更好的灵活性。

    Jun, 2022

  • 实时眨眼检测技术在野外的应用：数据集、理论和实践

    本文研究实时眨眼检测技术在野外环境中的应用。作者提出了一个人眼位置和轨迹跟踪后使用改进的 LSTM 模型识别多尺度时序信息的眨眼检测方法，并建立了适用于野外环境的眨眼数据集（HUST-LEBW）以验证该方法的可行性和效率。

    Feb, 2019