基于深度网络的极低分辨率识别研究
计算机视觉与模式识别
2016-04-04 v2 人工智能
机器学习
摘要
视觉识别研究通常假设感兴趣区域（ROI）具有足够的分辨率。这在实践中常被违背，促使我们探索极低分辨率识别（VLRR）问题。通常，VLRR问题中的ROI可小于 像素，甚至人类专家也难以识别。我们尝试使用深度学习方法解决VLRR问题。利用超分辨率、域适应和鲁棒回归中的主要技术，我们构建了一种专用的深度学习方法，并逐步展示了这些技术如何被整合。任何引入的额外复杂度都通过分析和仿真结果得到充分证明。所得到的\textit{Robust Partially Coupled Networks}同时实现特征增强与识别。它既具有对抗LR-HR域失配的灵活性，又具有对离群点的鲁棒性。最后，所提模型的有效性在三个不同的VLRR任务上进行了评估，包括人脸辨识、数字识别和字体识别，均取得了非常优异的性能。
引用
@article{arxiv.1601.04153,
title = {Studying Very Low Resolution Recognition Using Deep Networks},
author = {Zhangyang Wang and Shiyu Chang and Yingzhen Yang and Ding Liu and Thomas S. Huang},
journal= {arXiv preprint arXiv:1601.04153},
year = {2016}
}