deep cnn | BriefGPT - AI 论文速递

关键词deep cnn

搜索结果 - 16

ID2image：非 ID 信息泄漏到人脸描述符中并从描述符中反演到图像中
本文研究发现即使经过多种训练策略，使用深度卷积神经网络将人脸图像转为描述矢量的 Embedding 仍可恢复非身份（non-ID）属性，如地标位置和图像直方图，并且我们还使用生成模型进一步优化，实现了从 ID embedding 到面部图像
PDFa year ago
利用 DCGAN 和深度 CNN 缓解演示攻击
本研究旨在使用深度学习技术，通过 DĆGAN 技术生成逼真的合成图像，以识别并防止生物特征认证中的攻击，我们在三种不同的生物特征数据集上使用我们的深度 CNN 模型，测试准确率最高达 97％。
PDF2 years ago
采用对比学习的图像质量评估
本文提出了一种名为 CONTRIQUE 的训练框架和深度 IQA 模型，使用自监督学习的方法从标有多种不同程度和类型扭曲度的无标签图像数据集中学习特征，通过冻结 CNN 权重和使用线性回归器将学习到的表示映射到质量得分，获得了很强的性能表现
PDF3 years ago
CVPRSRWarp: 任意变换下的通用图像超分辨率
提出了基于 SRWarp 框架的单图超分辨率方法，能够在任意目标分辨率下进行图像变换，通过自适应变形层和多尺度混合等新颖公式，实现灵活和多样化的图像编辑。
PDF3 years ago
CVPR使用图神经网络学习家具兼容性
本研究提出了一种基于图神经网络（GNNs）的方法，通过图结构捕捉家具家庭的内在关系，进而预测家具套装的风格是否兼容，并在 Bonn 和 Singapore 家具数据集上展示了最先进的预测精度。
PDF4 years ago
CVPR快速视频语义分割的时态分布网络
该研究提出了一种名为 TDNet 的时态分布网络，旨在实现快速准确的视频语义分割，该网络使用深度卷积神经网络从视频中提取特征，并通过逐帧分布的方式，引入了新颖的注意力传播模块和分组知识蒸馏损失函数，从而达到了较高的分割准确率和更低的延迟。
PDF4 years ago
ECCV高效明晰人工智能的显著性地图
本研究提出了一种针对深度卷积神经网络的可解释性 AI 显著性图方法，其比流行的高分辨率梯度方法更为高效，并且在精度上也与其相当或更好。通过使用 Layer Ordered Visualization of Information，展示了该方
PDF5 years ago
BioFaceNet：深度生物物理学脸部图像解释
本文介绍了一种名为 BioFaceNet 的深度 CNN，它能学习将单一的人脸图像分解成生物物理参数地图、漫反射和镜面遮蔽地图，并估计场景照明光谱功率分布和相机光谱灵敏度。
PDF5 years ago
CVPRLAEO-Net: 重新审视视频中的人们互相注视
本文基于 LAEO-Net 提出了一种新的深度 CNN 模型用于检测人们的相互凝视，将空间时间轨迹作为输入，由三个分支构成，分别针对每个角色的追踪头部和相对位置。通过实验证明该模型在分析人们的社交关系中可以成功地确定两个人是否进行相互注视以
PDF5 years ago
基于深度 CNN 的毫米波大规模 MIMO 系统信道估计
本文探讨了深度 CNN 在厘米波 massive MIMO 系统的信道估计中的应用，提出了精简空间频率 CNN、空间频率时间 CNN 和减少空间导频开销 CNN，通过数值结果验证了 CNN 可以在降低复杂度的同时提高估计准确性的结论。
PDF5 years ago
ICCV基於特徵重新加權的少樣本物體檢測
本文提出了一种基于深度卷积神经网络的少样本目标检测方法，通过元特征学习与重新加权模块，快速适应新的物体分类。实验证明该模型在多个数据集和设置上均能显著优于现有少样本检测模型。
PDF6 years ago
大规模半监督目标检测的视觉和语义知识迁移
基于深度卷积神经网络的物体检测系统在许多大规模物体检测基准测试中取得了显着成就，然而，这需要大量的标注边界框来进行训练。本文通过将图像级别分类器转化为物体检测器解决了此问题，并利用来自视觉和语义领域的物体相似性知识，在将分类器转换为没有边界
PDF6 years ago
深度 CNN 中使用 Skip 连接和 NiN 网络的快速准确图像超分辨率
使用深度卷积神经网络（Deep CNN）的单幅图像超分辨率（SISR）模型，包括残差网络、跳跃连接和网络中的网络（DCSCN），结合局部和全局特征提取器和并行 1x1 卷积神经网络实现了具有至少 10 倍较低计算成本的最好的图像重建性能，优
PDF7 years ago
利用背景圈定、深度对比和自顶向下特征学习 RGB-D 显著对象检测
提出了一种利用高层次、中层次和低层次特征的深度卷积神经网络结构以及适用于学习方法的新颖深度特征，并在 RGB-D 显著目标检测方面表现出比现有方法更好的效果，特别是在 RGBD1000 数据集上，其 F-Score 达到了 0.848，比第
PDF7 years ago
图像退化如何影响基于深度卷积神经网络的人脸识别？
本研究使用 LFW 数据集，评估了 AlexNet，VGG-Face 和 GoogLeNet 三种常见的深度卷积神经网络模型在不同图像降质情况下的表现，发现遮挡、运动模糊和噪声等因素会显著降低性能，而对于颜色失真和平衡变化等影响，深度卷积神
PDF8 years ago
学习复杂度感知的级联模型用于深度行人检测
通过复杂度感知级联训练（CompACT）算法进行级联学习，以实现在较少返回时间内优化级联检测器的准确率与复杂度。在深度卷积神经网络响应和目标建议机制基础上，实现了具有不同复杂度特征池的行人检测器，并在 Caltech 和 KITTI 数据集
PDF9 years ago