- 使用一组上下文敏感模型的图像相似度
基于标注数据的 A:R vs B:R 方法构建了图像相似度模型,并采用集成模型处理稀疏采样和基于上下文数据的偏差,测试结果表明,该集成模型优于单个上下文敏感模型、混合图像数据和现有相似度模型,证明基于上下文标注和模型训练在适当的集成方法下可 - 基于物体本质的图片比较:这是否是同一个苹果?
人工视觉系统在识别物体上,受到诸如光照、物体姿态和背景等外在因素的影响,而当前的计算机视觉系统往往无法处理这些变化。我们提出将物体内在属性作为图像相似性度量的基础,将目标重新识别问题扩展到一般的物体类别,并探索了基于物体内在属性的图像相似性 - 可解释图像相似性:集成孪生网络与 Grad-CAM
通过结合孪生网络和 Grad-CAM,提出了一种解释性图像相似度的新框架,为真实世界的图像相似度应用增强了可解释性、可信度和用户接受度。
- 量化图像相似度对糖尿病足溃疡分类的影响
本项研究使用开源模糊算法来识别组中的日益相似的图像,发现高度相似的图像可能会在糖尿病足溃疡挑战 2021 数据集中引入偏差并影响分类性能,通过将 80%相似度阈值图像从训练集中删除,可提高 InceptionResNetV2 网络分类器的 - 深度感知相似性在模糊环境下具有适应性
本文探讨使用神经网络的深度感知相似度度量方法在不同场景下的适应能力以及性能表现,并在采用六种图像畸变来定义不同场景的基础上对其进行评估。结果表明,在大多数情况下,使用预先训练的 CNN 中的深度特征进行训练可以高效地适应特定场景,并且性能表 - RangeAugment:利用范围学习的高效在线数据增强
该论文介绍了 RangeAugment 自动图像增广方法,使用辅助损失控制增广操作的幅度范围,通过简单的线性搜索优化模型,可以显著提高模型性能并减少增广操作次数。
- CVPR多变图像合成的调制对比度
本文提出使用图像对比度来学习一个经校准的度量标准,其通过对于锚点的负样本的相似度进行自适应的重新加权,并使用最优传输协作地跨多个对比度目标来调节负样本的推力。在多个图像转换任务上的实验表明,所提出的 MoNCE 显著优于其他流行的图像度量标 - 深度感知度量用于图像质量评估的研究
本文研究了基于深度神经网络的知觉度量,用于评估图像质量,提出了一种多分辨率知觉量度(MR-Perceptual),在不同分辨率上聚合知觉信息,并在不同图像畸变的 IQ 任务中表现优于标准知觉量度。
- ICCV结构匹配下可解释的深度度量学习
本文提出了一种新的深度可解释度度量学习方法 (DIML),基于结构匹配策略和最优匹配流来弥补现有方法 (基于特征向量比较) 的缺点,实现了深度模型以更人性化的方式学习度量,将图像相似性分解为几个子相似性及其对整体相似性的影响,该方法适用于各 - AAAI通过学习场景图之间的相似度进行图像检索
本文通过使用图神经网络测量场景图的相似度,提出了一种基于场景图相似度的图像检索方法,并使用人工注释的标题计算图片相关性测量来训练图神经网络,收集了一个数据集用于评估检索算法,并显示我们的方法比竞争方法更符合人类对图像相似性的感知。
- 深度度量学习中分享有助于泛化
本论文旨在探究在不需要额外注释或训练数据的情况下,如何学习图像相似性的特征。通过构建一种新的三元组采样策略,实验结果表明,该方法可以显著提高深度度量学习的性能,并在各种标准基准数据集上实现了新的最优结果。
- CVPR信噪比:深度度量学习的鲁棒距离度量
本文提出了基于信噪比的鲁棒 SNR 距离度量方法,旨在适用于深度度量学习,比欧氏距离度量方法具有更好的性能,并配合 DSML 模型和深度哈希方法获得了当前最先进的方法。
- RelationNet2: 基于深度比较的列类型用于 Few-Shot 学习
本论文提出了一种深度比较网络,它由嵌入和关系模块组成,学习同步基于不同抽象级别的多个非线性距离度量,从而实现了优异的 few-shot 图像分类性能。
- AlignedReID: 超越人类水平的行人再识别性能
本文提出了一种名为 AlignedReID 的新方法,通过局部特征的对齐匹配和全局特征的共同学习,提高了全局特征的学习效果并且超越了现有的 Person ReID 方法。在 Market1501 和 CUHK03 这两个广泛应用的人员再识别 - 使用深层卷积神经网络和课程学习进行图像相似度比较
本文介绍了一种名为 SimNet 解决方案的深度连体网络,这个网络使用一种新颖的在线对挖掘策略进行了训练,同时创建了一个多尺度 CNN, 最终图像嵌入是顶层和底层嵌入的联合表示,表明这种多尺度连体网络比传统 CNN 更能捕捉细粒度的图像相似 - CVPR条件相似网络
本篇论文提出了一种称为 “条件相似性网络” 的方法,用于学习分离式嵌入,不同的相似性概念被编码在不同的语义子空间,并用于解决多个不同相似性概念的问题。
- 社交媒体中的合作特征学习
本研究提出了一种新的基于社交媒体用户行为数据驱动的图像特征学习范式,该范式不依赖于类别标签,而是利用潜在空间中发现的图像关系指导图像特征学习,应用于 Behance.net 的数据集验证表明,该方法显著优于目前最先进的图像特征,能够更好地学 - CVPR深度排序学习细粒度图像相似度
本文提出了一个利用深度学习技术从图像直接学习相似度度量的深度排名模型。该模型通过多尺度网络结构和三元组采样算法,具有比基于手工特征和深度分类模型更高的学习能力。实验证明了该算法的优越性。