摘要: 人脸活体检测是为了提高人脸识别系统安全性而需要重点研究的问题.本文首先从人脸活体检测的问题出发, 分个体、类内、类间三个层面对人脸活体检测存在的困难与挑战进行了阐述分析.接下来, 本文以算法使用的分类线索为主线, 分类别对人脸活体检测算法及其优缺点进行了梳理和总结.之后, 本文就常用人脸活体检测数据集的特点、数据量、数据多样性等方面进行了对比分析, 对算法评估常用的性能评价指标进行了阐述, 总结分析了代表性人脸活体检测方法在照片视频类数据集CASIA-MFSD、Replay-Attack、Oulu-NPU、SiW以及面具类数据集3DMAD、SMAD、HKBU-MARsV2上的实验性能.最后本文对人脸活体检测未来可能的发展方向进行了思考和探讨.

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c180829

成为VIP会员查看完整内容
0
9

相关内容

视频目标检测是为了解决每一个视频帧中出现的目标如何进行定位和识别的问题。相比于图像目标检测,视频具有高冗余度的特性,其中包含了大量的时空局部信息。随着深度卷积神经网络在静态图像目标检测领域的迅速普及,在性能上相较于传统方法显示出了非常大的优越性,并逐步在基于视频的目标检测任务上也发挥了应有的作用。但现有的视频目标检测算法仍然面临改进与优化主流目标检测算法的性能、保持视频序列的时空一致性、检测模型轻量化等关键技术的挑战。针对上述问题和挑战,在调研大量文献的基础上系统地对基于深度学习的视频目标检测算法进行了总结。从基于光流、检测等基础方法对这些算法进行了分类,从骨干网络、算法结构、数据集等角度细致探究了这些方法。结合在ImageNet VID等数据集上的实验结果,分析了该领域具有代表性算法的性能优势和劣势,以及算法之间存在的联系。对视频目标检测中待解决的问题与未来研究方向进行了阐述和展望。视频目标检测已成为众多的计算机视觉领域学者追逐的热点,将来会有更加高效、精度更高的算法被相继提出,其发展方向也会越来越好。

http://fcst.ceaj.org/CN/abstract/abstract2872.shtml

成为VIP会员查看完整内容
0
5

摘要: 图像异常检测是计算机视觉领域的一个热门研究课题, 其目标是在不使用真实异常样本的情况下, 利用现有的正常样本构建模型以检测可能出现的各种异常图像, 在工业外观缺陷检测, 医学图像分析, 高光谱图像处理等领域有较高的研究意义和应用价值. 本文首先介绍了异常的定义以及常见的异常类型. 然后, 本文根据在模型构建过程中有无神经网络的参与, 将图像异常检测方法分为基于传统方法和基于深度学习两大类型, 并分别对相应的检测方法的设计思路、优点和局限性进行了综述与分析. 其次, 梳理了图像异常检测任务中面临的主要挑战. 最后, 对该领域未来可能的研究方向进行了展望.

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c200956

成为VIP会员查看完整内容
0
12

远程监督可以为关系抽取任务自动构建数据集,缓解了人工构建数据集的压力和成本,为自动关系抽取的实现奠 定基础,然而使用远程监督方法构建的数据集存在错误标注以及长尾问题,严重影响关系抽取性能。目前,远程监督关系抽 取任务的主要研究方向为关系模型的降噪手段以及对长尾关系的处理方法。近年来,随着深度学习技术的发展,这两个领域 的研究工作也迎来了新一轮的机遇与挑战。本文对近几年远程监督关系抽取的研究进展进行综述,针对远程监督关系抽取任 务定义常用工作流,将已有的研究成果进行分类和梳理,分析比较主要方法,整理其中的关键问题,介绍已有的解决方案和 相关数据集,总结远程监督关系抽取任务所用评测指标与评估方式,展望未来研究趋势。

http://cjc.ict.ac.cn/qwjs/No2021-08.htm

成为VIP会员查看完整内容
0
14

摘要: 随着互联网上多媒体数据的爆炸式增长,单一模态的检索已经无法满足用户需求,跨模态检索应运而生。跨模态检索旨在以一种模态的数据去检索另一种模态的相关数据,其核心任务是数据特征提取和不同模态间数据的相关性度量。文中梳理了跨模态检索领域近期的研究进展,从传统方法、深度学习方法、手工特征的哈希编码方法以及深度学习的哈希编码方法等角度归纳论述了跨模态检索领域的研究成果。在此基础上,对比分析了各类算法在跨模态检索常用标准数据集上的性能。最后,分析了跨模态检索研究存在的问题,并对该领域未来发展趋势以及应用进行了展望。

http://www.jsjkx.com/CN/10.11896/jsjkx.200800165

成为VIP会员查看完整内容
0
19

对话系统作为人机交互的重要方式,有着广泛的应用前景。现有的对话系统专注于解决语义一致性和内容丰富性等问题,对于提高人机交互以及产生人机共鸣方向的研究关注度不高。如何让生成的语句在具有语义相关性的基础上更自然地与用户交流是当前对话系统面临的主要问题之一。首先对对话系统进行了整体情况的概括。接着介绍了情感对话系统中的对话情绪感知和情感对话生成两大任务,并分别调研归纳了相关方法。对话情绪感知任务大致分为基于上下文和基于用户信息两类方法。情感对话生成的方法包括规则匹配算法、指定情感回复的生成模型和不指定情感回复的生成模型,并从情绪数据类别和模型方法等方面进行了对比分析。然后总结整理了两大任务下数据集的特点和链接便于后续的研究,并归纳了当前情感对话系统中不同的评估方法。最后对情感对话系统的工作进行了总结和展望。

http://fcst.ceaj.org/CN/abstract/abstract2684.shtml

成为VIP会员查看完整内容
0
28

摘要: 人脸亲子关系验证即通过给定的不同人的两幅人脸图像判断其是否具有亲子关系, 是计算机视觉和机器学习领域中一个重要的研究问题, 在丢失儿童寻找、社会媒体分析、图像自动标注等领域具有广泛的应用价值. 随着人脸亲子关系验证问题受到越来越多的关注, 其在多个方面都得到了相应的发展, 本文对人脸亲子关系验证方法做了综述整理. 首先, 简要介绍了人脸亲子关系验证在近十年的研究现状, 随后对问题进行了定义并讨论其面临的挑战. 接下来, 汇总了常用的亲子数据库, 对数据库属性做了详细的总结和对比. 然后, 对人脸亲子关系验证方法进行了分类总结、对比, 以及不同方法的性能表现. 最后, 展望了人脸亲子关系验证今后可能的研究方向.

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c201023

成为VIP会员查看完整内容
0
15

面对人工标注大量样本费时费力,一些稀有类别样本难于获取等问题,零样本图像分类成为计算机视觉领域的一个研究热点。首先,对零样本学习,包括直推式零样本学习和归纳式零样本学习进行了简单介绍;其次,重点介绍了基于空间嵌入零样本图像分类方法和基于生成模型零样本图像分类方法以及它们的子类方法,并对这些方法的机制、优缺点和适用场景等进行了分析和总结;然后,简单介绍了零样本图像分类常用数据集和评估方法,并对典型零样本图像分类方法进行了性能比较;接着,指出了现有零样本图像分类中存在的领域漂移、枢纽点和语义鸿沟等问题及相应的解决思路;最后,对零样本图像分类未来发展趋势和研究热点,如判别性区域的准确定位、生成高质量不可见类视觉特征、广义零样本图像分类等进行了探讨。

http://fcst.ceaj.org/CN/abstract/abstract2683.shtml

成为VIP会员查看完整内容
0
30

行人检测技术在智能交通系统,智能安防监控等领域表现出了极高的应用价值,已经成为计算机视觉领域的重要研究方向之一。得益于深度学习的飞速发展,基于深度卷积神经网络的通用目标检测模型被不断扩展应用到行人检测领域,并取得了良好的性能。但是由于行人目标内在的特殊性、复杂性,特别是考虑到复杂场景下的行人遮挡、尺度变化等问题,深度学习方法也面临着严峻的挑战。本文针对上述问题,以基于深度学习的行人检测技术为研究对象,在充分调研文献的基础上,分别从基于锚点框、基于无锚点框以及通用技术改进(例如损失函数,非极大值抑制等)三个角度,对各类行人检测算法进行细分,并选取具有代表性的方法进行详细介绍和对比分析。此外,本文对行人检测的通用数据集进行了详细的介绍,对该领域先进算法的性能进行了对比分析,对行人检测中待解决的问题与未来的研究方向做出预测和展望。

http://www.cjig.cn/jig/ch/reader/view_abstract.aspx?flag=2&file_no=202012230000001&journal_id=jig

成为VIP会员查看完整内容
0
24

近年来,三维人脸识别研究取得了较大进展.相比 二维人脸识别,三维人脸识别更具有优势,主要特点是在识 别中利用了三维形状数据.该文首先根据三维形状数据的 来源,将三维人脸识别分为基于彩色图像的三维人脸识别、 基于高质 量 三 维 扫 描 数 据 的 三 维 人 脸 识 别、基 于 低 质 量 RGBGD图像的三维人脸识别,分别阐述了各自具有代表性 的方法及其优缺点;其次分析了深度学习在三维人脸识别 中的应用方式;然后分析了三维人脸数据与二维图像在双 模态人脸识别中的融合方法,并介绍了常用的三维人脸数 据库;最后 讨 论 了 三 维 人 脸 识 别 面 临 的 主 要 困 难 及 发 展 趋势.

http://jst.tsinghuajournals.com/CN/Y2021/V61/I1/77

成为VIP会员查看完整内容
0
22
小贴士
相关VIP内容
专知会员服务
5+阅读 · 9月13日
专知会员服务
12+阅读 · 9月10日
专知会员服务
14+阅读 · 8月19日
专知会员服务
19+阅读 · 8月13日
专知会员服务
28+阅读 · 5月21日
专知会员服务
15+阅读 · 5月20日
专知会员服务
30+阅读 · 5月15日
专知会员服务
24+阅读 · 4月14日
专知会员服务
22+阅读 · 2020年12月16日
专知会员服务
80+阅读 · 2020年12月3日
相关资讯
小目标检测技术研究综述
专知
4+阅读 · 2020年12月7日
多模态视觉语言表征学习研究综述
专知
10+阅读 · 2020年12月3日
联邦学习安全与隐私保护研究综述
专知
6+阅读 · 2020年8月7日
领域知识图谱研究综述
专知
9+阅读 · 2020年8月2日
实体关系抽取方法研究综述
专知
5+阅读 · 2020年7月19日
基于深度学习的多标签生成研究进展
专知
3+阅读 · 2020年4月25日
图像质量量化评估标准综述
极市平台
3+阅读 · 2020年4月8日
无参考图像质量评价研究进展综述
人工智能前沿讲习班
41+阅读 · 2019年2月15日
AI综述专栏 | 步态识别的深度学习综述
人工智能前沿讲习班
26+阅读 · 2018年6月27日
相关论文
Chengrui Wang,Han Fang,Yaoyao Zhong,Weihong Deng
0+阅读 · 9月15日
Sahan Bulathwela,Maria Perez-Ortiz,Erik Novak,Emine Yilmaz,John Shawe-Taylor
0+阅读 · 9月13日
Naveed Akhtar,Ajmal Mian,Navid Kardan,Mubarak Shah
16+阅读 · 9月2日
Delian Ruan, YanYan,Shenqi Lai,Zhenhua Chai,Chunhua Shen,Hanzi Wang
9+阅读 · 4月12日
Xiaofeng Mao,Yuefeng Chen,Shuhui Wang,Hang Su,Yuan He,Hui Xue
6+阅读 · 2020年12月10日
Aravind Srinivas,Michael Laskin,Pieter Abbeel
12+阅读 · 2020年4月28日
Multi-task Deep Reinforcement Learning with PopArt
Matteo Hessel,Hubert Soyer,Lasse Espeholt,Wojciech Czarnecki,Simon Schmitt,Hado van Hasselt
3+阅读 · 2018年9月12日
Zuoxin Li,Fuqiang Zhou
8+阅读 · 2018年5月17日
Lior Friedman,Shaul Markovitch
4+阅读 · 2018年1月31日
Ardi Tampuu,Tambet Matiisen,Dorian Kodelja,Ilya Kuzovkin,Kristjan Korjus,Juhan Aru,Jaan Aru,Raul Vicente
3+阅读 · 2015年11月27日
Top