deep feature learning | BriefGPT

关键词deep feature learning

搜索结果 - 9

MM通过对抗特征相似学习实现对抗演绎的深度伪造检测
深度伪造技术引发了对数字内容真实性的担忧，需要开发有效的检测方法。然而，深伪技术的广泛应用带来了新的挑战，即敌对攻击。本文介绍了对抗特征相似性学习（AFSL）方法，该方法整合了三个基本的深度特征学习范例，旨在区分真实和伪造实例，并最大化对抗
PDF5 months ago
Compressed Domain Text-Line Localization in Challenging Handwritten Documents using Deep Feature Learning from JPEG Coefficients
在本文中，我们提出了一种在 JPEG 压缩领域中直接从 JPEG 压缩系数中进行深度特征学习以实现文本行定位的方法，通过使用一种改进的 U-Net 网络模型 Compressed Text-Line Localization Network
PDFa year ago
邻域和分类域适应
提出一种促进分类域联合自适应 (CatDA) 的方法，即利用联合分类器生成对齐一致的分类预测来实现更细粒度的领域对齐，进一步将此方法用于虚拟相邻领域自适应 (VicDA) 中，以及利用目标区分性结构恢复方法来提高领域能力。该方法在多个基准数
PDF3 years ago
CVPR自监督几何感知
自监督几何感知（SGP）框架通过联合优化特征描述和几何模型，解决了对应关系匹配的问题，在相机姿态和刚性转换等缺少地面真值标签的情况下展示了其在实际数据集上令人瞩目的优越性能。
PDF3 years ago
Circle Loss：一种统一的对偶相似性优化视角
本文提供了一个对深度特征学习进行相似性优化的观点，介绍了一种更灵活的 Circle 损失函数，并且在人脸识别、人员重新识别以及一些细粒度图像检索数据集上展示了 Circle 损失的卓越性能。
PDF4 years ago
基于 von Mises-Fisher 混合模型的深度学习：应用于人脸验证
本文提出了基于 von Mises-Fisher 混合模型的深度学习方法，能有效地深度学习方向特征，实现了紧凑学习同一类别的实例，同时增加不同类别的实例之间的距离，融合了多种流行的 loss 函数，并在人脸验证任务中获得了当前最优结果。
PDF7 years ago
深度学习时代的 IM2GPS 重访
本文提出了将深度图像分类方法与原始的 Im2GPS 方法相结合，同时应用核密度估计来估计查询图片的地理位置，结果表明使用分类损失的网络训练比其他典型用于检索应用的深度特征学习方法（如对比学习和三元组损失的同构网络）表现更好，提高了地理定位的
PDF7 years ago
CVPR动作检测的预测 - 校正网络
本研究提出了一种基于线性动态系统和非线性映射理论的预测 - 纠正神经网络模型，能够自适应地关注‘惊奇’的视频帧，优化学习效率。研究表明，该模型在三个挑战数据集上的表现与双流网络相当，而无需计算昂贵的光流技术。
PDF7 years ago
学习高分辨率卫星图像分类的多尺度深度特征
本文提出了一种用于高分辨率卫星图像分类的多尺度深度特征学习方法，该方法使用卷积神经网络（CNN）和空间金字塔池（SPP-net）技术提高了训练效率，并开发了一种多核学习方法以自动学习这些特征的最佳组合，实验表明该方法相对于其他最先进的方法具
PDF8 years ago