- 图像生成的语义金字塔
本文提出了一种新的基于 GAN 的模型，该模型利用先前训练分类模型学习的深层特征空间。该模型构建了一个语义生成金字塔层次框架，从中获取低级到高级语义信息的连续数据，生成各种匹配的特征深度的图像样本。实验证明该模型能在各种图像生成和操纵任务中 - CVPR三维形状重建和完成的特征空间中的隐式函数
本文提出了一种名为 IF-Nets 的新模型来解决从不同类型的三维输入中恢复和补全三维物体的问题，IF-Nets 可提取深度特征，保留输入数据中存在的细节，并可以重建活动的人体模型。实验证明 IF-Nets 在 ShapeNet 中的三维物 - CVPR分层稳健表示学习
本研究探讨了深度学习中中间层所提取的深层特征，并证明了这些特征的性能可能不佳，因为它们是通过最小化经验风险来学习的。针对当前任务与基准数据集的数据分布不同的情况，本研究提出了一种层次稳健优化方法来学习更通用的特征。该方法同时考虑了 exam - ICLRCATER：组合动作和时间推理诊断数据集
本文通过构建名称为 CATER 的视频数据集，从而提供了深入理解深度视频架构的诊断工具。在该数据集中，场景和对象的结构充满着隐含的偏见，这可以掩盖时间结构的变化，因此需要时空理解才能真正解决。
- ICCV基于高阶正则化器的深度嵌入度量学习 (HORDE)
通过分布感知的正则化方法 [HORDE] 解决了特征散乱的问题，保证了深度特征在特征空间中的局部性，并在四个数据集上取得了最佳结果。
- 多层独立相关滤波器用于视觉跟踪
设计了一种新的跟踪框架 MHIT，其核心在于引入运动估计模块捕捉运动信息和使用多层次深度特征和独立的相关滤波器进行跟踪，同时采用自适应的多分支相关滤波器融合方案，用于纠正特征冗余和物体局部遮挡的影响，通过实验证明，该系统可以显著提高跟踪性能 - 通过纹理转移实现单幅图像超分辨率的非常规效果
利用纹理损失实现高质量图像重建并优化感知质量。使用语义导向的纹理约束方法，使用深度特征来捕获图像的感知质量，进一步提高结果。
- 深度人脸识别中的 Git Loss
本文提出了一种融合了 softmax 和 center loss 函数的联合监督信号 Git loss，旨在最小化同类内部差异、最大化异类间距离，以增强深度特征的判别能力，通过在两个人脸识别基准数据集上的实验证明 Git loss 可以达到 - 基于 ResNet 和零相位分量分析的红外与可见光图像融合
提出了基于深度特征和零相位分量分析（ZCA）的新型图像融合框架，实验结果表明该方法在客观评价和视觉质量方面均优于现有融合方法。
- 基于多领域艺术图像的任意风格转移学习
我们提出了一个快速前馈网络，使用深度特征和纹理统计来表示内容和风格，并使用对抗网络来规范画风生成，包括条件生成器和条件鉴别器，并使用遮罩模块来空间控制风格化级别和稳定对抗训练，在定性和定量实验中与相关工作进行比较。
- 神经最佳好友：跨域稀疏对应
本研究提出了一种用于跨领域稀疏对应的新方法，运用预先训练的 CNN 从图像中提取出层级的深度特征，并在神经元间寻找互相最邻近的最佳伙伴（NBB），然后通过层级扩散 NBB，同时在每个层级缩小搜索区域并保留只有显著激活的 NBB，然后为了解决 - 利用深度特征重排进行任意风格转移
本文提出了一种新颖的神经风格迁移方法，该方法通过重新调整风格图像的深层特征 (即，置换特征映射的空间位置) 来减少样式图像上的失真，同时能够允许语义级别的转移。同时，基于提出的损失，文中还提出了一种渐进式特征域优化方法。实验表明，该方法适用 - 揭开深度跟踪的力量
探究深度特征在目标跟踪中的局限性及其与手工特征关系，提出融合深度与浅层特征的自适应方法以提高跟踪的鲁棒性和准确性，并在四个数据集上进行实验证明该方法相较于当前最优跟踪算法有 17% 的提升。
- 食品图像识别的个性化分类器
本文讨论了基于动态数据的食品图像识别问题，并提出了一种基于最近类均值分类器和深度特征的 1 - 最近邻分类器组合的个性化框架，此方法在实验中表现明显优于现有方法。
- CVPR用于目标检测的多尺度位置感知核表示
本文提出了一种新的多尺度位置感知核表示（MLKP）用于在目标检测中捕获深度特征中的高阶统计信息，通过将其集成到 Faster R-CNN 模式中，提高了检测器的性能，并在 PASCAL VOC 2007、VOC 2012 和 MS COCO - 基于 Softmax 的特征与基于距离度量的特征比较的意义
通过在同一网络结构下客观比较 end-to-end 距离度量学习与 softmax 分类两种方法提取的特征，我们发现在数据集大小较大时，基于 softmax 分类的特征甚至比最先进的 end-to-end 距离度量学习方法表现更好，表明在评 - 基于结构图拉普拉斯嵌入的深度特征学习用于人物再识别
通过结构化图拉普拉斯嵌入算法，将所有结构化距离关系转化为图拉普拉斯形式，能够充分利用构建完整图的结构化距离关系，并易于实施和超有效。将此算法与 CNN 训练的 softmax 损失一起嵌入，能够获得更强鲁棒性和较高的识别度，对于个人重新识别 - CVPR学习空间感知回归用于视觉跟踪
本文基于深度特征，提出了两种补充回归方法用于鲁棒视觉跟踪，包括核化岭回归和全卷积神经网络，最终将这两种方法的输出结合起来提高跟踪结果的准确率。
- 基于层次化的元胞自动机实现视觉显著性检测
本文提出了一种基于分层细胞自动机的图像显著性检测算法，利用深度特征和贝叶斯框架，集成不同尺度上的单层元胞自动机算法，取得了比传统方法更好的实验效果
- 人脸的距离感知层次聚类
本篇论文介绍了一种名为 'PAHC' 的无监督人脸聚类算法，主要通过评估最近邻数据的线性 SVM 边缘来计算深度特征之间的相似度，从而实现人脸聚类及脸部识别的功能，并取得了显著的改进。