- MM利用神经网络进行医疗监控系统的情绪识别:一项调查
通过深度学习技术识别患者的情绪,可以在智能医疗中心建立起能够检测抑郁症和压力的机制,进而早期对患者进行干预。本文对情绪识别领域的最新研究进行了系统总结,并关注了从语音、面部表情和音视频输入中识别情绪的不同技术,并将这些算法部署于真实环境中, - MMCCC/Code 8.7: 应用人工智能打击现代奴役
通过 AI 技术的长期研究,有助于打击人类贩卖,但同时也要考虑隐私和伦理等方面的问题。
- 社交媒体数据在精神健康研究中的应用现状
本论文分析了社交媒体数据对于进行心理健康研究的现状,并引入了一个基于标准化模式的开源心理健康数据集目录,以促进元分析。
- DALES:用于语义分割的大规模空中 LiDAR 数据集
介绍了 Dayton Annotated LiDAR Earth Scan 数据集,该数据集是一个大规模的航空 LiDAR 数据集,涵盖 8 种物体类别的超过半亿个手动标注点,该数据集可以用于评估新的三维深度学习算法的性能,扩展当前算法的航 - FAN: 特征适应网络用于监控人脸识别和归一化
本文研究了监控图像中的人脸识别和规范化。 基于 Feature Adaptation Network 框架,本文提出了一种人脸规范化方法,该方法提取身份和非身份因素,通过调整身份因素的分布实现了对分辨率较低的人脸图像的超分辨率处理,进而提高 - 野外低分辨率人脸识别:比较和新技术
本文分析在野外捕捉到的低质量条件下的人脸识别技术,提出了超分辨率方法、深度学习和有监督的判别学习方法来处理这个问题,并在 SCFace 和 UCCSface 数据集上进行了评估。
- 红外光下对人脸识别的实际攻击
本文探讨如何用红外线对面部识别系统进行攻击,从而绕过或误导系统。作者通过算法设计出对抗性样本,该攻击方式在降低被发现的同时能够高度模仿目标受害者,通过面部识别系统。攻击者可以通过此攻击逃脱监视摄像头和骗过面部认证系统,而这样的攻击方式对于人 - 监控视频中的现实世界异常检测
该论文提出了一种通过深度多实例评级框架利用弱标记训练视频来学习异常的方法,并介绍了一个包括正常和异常视频的新型数据集,该数据集用于一般的异常检测和 13 个异常活动的识别任务。实验结果表明该方法显著提高了异常检测的性能。
- 使用低延迟和低成本查询大型视频数据集
本研究提出了一种名为 Focus 的系统,它在交通控制和监视领域中的大型视频数据集上实现了低延迟和低成本的查询,该系统使用了便宜的摄入技术将视频按其中出现的物体进行索引,并解决了在较便宜的 CNN 的支持下进行查询时的精度问题,同时还采用了 - RED: 强化编码器 - 解码器网络用于动作预测
我们提出了一种强化编解码(RED)网络用于动作预测,RED 以多个历史表示为输入,并学习预测未来表示的序列,通过采用强化模块,鼓励系统尽早进行正确预测,并在 TVSeries,THUMOS-14 和 TV-Human-Interaction - 监控中基于生成对抗模型的人员属性识别
本文提出了一个用于在监控环境中检测人员属性(如性别、种族、服装等)的深度架构,并通过深度卷积生成对抗网络(DCGAN)增强图像来处理监控拍摄中经常出现的低分辨率和遮挡问题。实验证明,结合我们的生成重构和深度属性分类网络,即使分辨率很低且整个 - CVPR将语义表示进行转移,用于人员再识别和搜索
本文提出了一种新的基于语义属性学习的人物再辨识和搜索方法,并将其在弱或强标记的时尚摄影数据集上进行训练,进而提供一种强大的用于检测和描述监控人员的语义表达,无需任何监控领域监督,并且已达到最先进的性能,在无监督和监督人物重新辨识中均取得了最 - 高密度场景下全卷积人群计数
本文介绍了一种利用计算机视觉技术进行高密度场景下人群计数的方法,使用了全卷积人群计数模型来提高计数准确性和稳健性,并设计了数据增强和多尺度平均等技巧来提高模型的适应性和广泛适用性
- 耳朵识别:不仅仅是一份调查
本论文介绍了自动耳识别技术的最新进展,主要讨论了基于描述符的方法。除此之外,该论文还引入了一个包含多种现代技术的工具箱和一个完全自由的耳图像数据集,目的是解决领域中的一些问题并向研究社区公开提供。
- 基于相对距离比较的深层特征学习用于人员再识别
本文介绍了一种基于深度学习的可扩展的距离驱动特征学习框架,用于处理智能视频监控中的人员再识别问题,并展示了其在各个数据库上的有效性。该框架采用三元组单元的生成以及优化梯度下降算法解决三元组三倍扩增的问题。
- LLNet: 自然低光图像增强的深度自编码器方法
在低光环境下,提出用基于深度自编码器的方法来增强和去噪图像以及适应动态环境,该方法可以在监视、监测和战术侦察等领域有很好的应用效果。