2018年第11届ICVGIP:印度海得拉巴
-
ICVGIP 2018:第十一届印度计算机视觉、图形和图像处理会议,印度海得拉巴,2018年12月18日至22日。 ACM公司 2018 ,国际标准图书编号 978-1-4503-6615-1 阿达什·贾马丹迪 , Sunidhi Kotturshettar公司 , 乌玛·穆德纳古迪 :
PredGAN:用于检测视频中异常的深度多尺度视频预测框架。 1:1-1:8 安纳普尔纳·夏尔马 , 迪内什·巴布·贾亚戈皮 :
使用MDLSTM模型和单词嵌入在手机上进行手写文章分级。 2:1-2:8 T.M.费罗兹·阿里 , Rajbabu Velmurugan公司 , 卡尔佩什·K·帕特尔 , Subhasis Chaudhuri公司 :
用于人员重新识别的多核Fisher判别度量学习。 3:1-3:9 维杰·约翰 , 斯瓦恩·辛格Rathour , 三田光一 , 侯赛因·德拉尼 , 鹿岛 , Masataka Konishi公司 , 白手起家 :
通过深度和强度深度特征的融合进行基于视觉的转向角预测。 4:1-4:8 奥姆卡尔·古内 , 认识Vora , 比普拉克·班纳吉 , Subhasis Chaudhuri公司 :
使用图正则化潜在鉴别跨域三元组的零击学习。 5:1-5:9 阿克谢·杜德汉(Akshay Dudhane) , Subrahmanyam Murala村 , 阿比纳夫·达尔 :
LEDNet:单图像去雾深度网络。 6:1-6:7 德班扬·萨迪亚 , 阿克谢·阿加瓦尔 , 巴拉苏布拉曼尼亚语Raman :
完美保护沙米尔的秘密共享方案,用于云端隐私保护图像处理。 7:1-7:8 穆罕默德·法西尔C。 , Subhasis Chaudhuri公司 :
基于视频的人员再识别的移动平均递归神经网络模型。 8:1-8:9分 K.Sai Suma公司 , G.阿迪蒂亚 , 斯内哈斯·穆克吉 :
使用关键动作单元袋的自我中心视频中的活动识别。 9:1-9:9 贾维德·伊姆兰 , 巴拉苏布拉曼尼亚语Raman :
基于多流CNN的多模态自我中心活动识别。 10:1-10:8 阿什什·梅塔 , 阿迪提亚亚群 , Anbumani Subramanian语 :
使用引导式辅助监督学习端到端自动驾驶。 11:1-11:8 Amit更多 , Subhasis Chaudhuri公司 :
基于神经网络的人群源视频事件地理定位方法。 12:1-12:9 Shobhanjana Kalita公司 , Arindam Karmakar公司 , 什亚曼塔·哈扎里卡 :
用于人类活动分类的时态活动图内核。 13:1-13:8 Srikrishna Varadarajan公司 , 穆克塔布·马扬克·斯利瓦斯塔瓦 :
使用简单FCN和合成数据集在杂货店货架上进行弱监督对象定位。 14:1-14:7 Neeladrishekhar Kanjilal公司 , 帕拉格·乔杜里 :
人体肌肉的实时模拟。 15:1-15:8 法特姆·巴赫里 , Moein Shakeri先生 , 尼兰詹·雷 :
基于生成神经网络的在线照明不变运动目标检测。 16:1-16:8 阿伦阿努帕玛 , 托马斯·詹姆斯·托马斯 , Sheeba J.拉尼 , 拉玛·克里希纳(Rama Krishna Sai Subrahmanyam Gorthi) :
用于高效压缩传感MRI重建的可变补丁字典。 17:1-17:9 索拉巴·库马尔 , Subhasis Chaudhuri公司 :
一种快速的高光谱图像极低比特率编码方法。 18:1-18:7 G.E.斯波西 , 苏布拉曼亚姆·戈蒂 , 拉玛·克里希纳(Rama Krishna Sai Subrahmanyam Gorthi) :
基于深度学习的相位展开模型。 19:1-19:8 V.C.斯威塔 , 迪帕克·米什拉 , Gorthi R.K.Sai Subrahmanyam公司 :
缩放和旋转不变字符识别的缩放和旋转校正CNN(SRC-CNN):缩放和旋转不变性字符识别的SRC-CNN。 20:1-20:8 莫努·维尔玛 , 贾斯普雷特·考尔·布依 , Santosh Kumar Vipparthi公司 , 吉德哈里·辛格 :
专家网:面部表情识别的紧急特征保护网络。 21:1-21:8 兰扬·蒙达尔 , 巴巴托什·钱达 :
使用上下文相关光流进行异常检测。 22:1-22:8 Srijan Das公司 , Kaustubh Sakhalkar公司 , 米查尔·科珀斯基 , 弗朗索瓦·布雷蒙德 :
日常生活动作识别的时空网格。 23:1-23:6 阿维谢克·巴塔查吉 , 萨米克·巴纳吉 , 苏克亨德·达斯 :
骗局网:解决面部化妆的骗局。 24:1-24:9 Sumukh Bansal公司 , 阿迪亚·塔图 :
基于李体的变形传递。 25:1-25:8 阿维谢克·巴塔查吉 , 萨米克·巴纳吉 , 苏克亨德·达斯 :
DP-GAN:降级场景中人脸识别的双路径生成对手网络。 26:1-26:9 斯内哈尔·谢特 , 斯里坎特·斯里尼瓦桑 , 赛义德·瓦希德·米尔内扎米 , Baskar Ganapathysubramanian阶 , 帕特里克·S·施奈尔 , 蒂莫西·贡萨尔维斯 :
自动流苏检测和特征提取管道,支持玉米的高通量田间成像。 27:1-27:9 Saptakatha Adak公司 , 苏克亨德·达斯 :
VidSeg-GAN:视频对象分割任务的生成对手网络。 28:1-28:9 萨安蒂·巴丹 , Shibu雅各布 :
正则随机游走排序用于图像中的一致性检测。 29:1-29:8 K.赛拉姆 , 贾扬塔·穆克吉 , 阿米特·帕特拉 , 帕塔·普拉蒂姆·达斯 :
HSD-CNN:使用类特定的过滤器灵敏度分析的分层自分解CNN体系结构。 30:1-30:9 莫希特·夏尔马 , 维杰·纳塔拉扬 :
轮廓树的按需增强。 31:1-31:8 里舒布·帕里哈尔 , 动画Dashpute , 普雷姆·卡拉 :
场景自适应化妆转移。 32:1-32:7 安库什·古普塔 , 安德烈亚·维达尔迪 , 安德鲁·齐瑟曼 :
通过拼写学习阅读:走向无监督文本识别。 33:1-33:10 阿克沙瓦伦·苏布拉马尼亚 , 康达·雷迪·莫普里 , 文卡特什·巴布 :
BatchOut:批量级功能增强,以提高对抗性示例的鲁棒性。 34:1-34:8 苏克什·阿迪加五世 , 贾扬提·西瓦斯瓦米 :
基于共享编码器的光学相干层析图像去噪。 35:1-35:8 阿尔芬·托图帕图 , 希文·雅达夫 , 阿维纳什·夏尔马 :
利用谱图小波特征进行非刚性配准。 36:1-36:6 阿什什·戈亚尔 , 尼哈·巴加瓦 , Subhasis Chaudhuri公司 , Rajbabu Velmurugan公司 :
用于组发现和多级活动识别的分层深度网络。 37:1-37:7 Sandeep Narayan Parameswaran公司 , 苏克亨德·达斯 :
使用Transformer的自下而上和自上而下的图像字幕方法。 38:1-38:9 A.萨西特拉德维 , S.Mohamed Mansoor Roomi先生 , M.Maheesha先生 :
基于显著性统计模型的视频镜头边界检测。 39:1-39:7 帕凡·桑杜拉 , 曼尼什·奥卡德 :
基于块运动矢量局部三值模式应用的压缩域变焦运动检测和分类。 40:1-40:8 Sudip Das公司 , Partha Sarathi Mukherjee公司 , 乌杰瓦尔·巴塔查里亚 :
寻找,你就会发现:一个新的优化框架,用于有效检测行人。 41:1-41:9 库沙尔·博卡尔 , 斯内哈斯·穆克吉 :
使用LMNN对增强MRF进行视频去噪。 42:1-42:9 多尼·亚历克斯 , 紫山萨米人 , 苏曼杰普·班纳吉 , Subrat熊猫 :
人员重新识别的集群丢失。 43:1-43:8 严厉的耆那教 , Chandan Vurdigere Nataraj公司 , 迪内什·巴布·贾亚戈皮 :
使用汽车正面摄像头检测皮疹驾驶。 44:1-44:7 坎卡纳·罗伊 , 拉吉夫·萨哈伊 :
使用基于姿势的CNN特征进行动态手势识别,这些特征来自使用LSTM的视频。 45:1-45:9 拉胡尔·罗伊 , 苏西米塔·戈什 , 灰烬Ghosh :
基于受限玻尔兹曼机贝叶斯惊奇的突出目标检测。 46:1-46:8 维格内什·普拉萨德 , 卡梅斯·雅达夫 , 罗希塔什瓦·辛格·索拉巴 , 斯瓦普尼·达加 , 纳哈斯·帕里库蒂 , K.马达瓦·克里希纳 , 巴拉拉曼·拉文德兰 , 布罗杰什瓦·博米克 :
学习使用强化学习预防单目SLAM失败。 47:1-47:9 莫妮卡·马图尔 , 尼迪·戈尔 :
水下图像彩色增强的双域方法。 48:1-48:6 阿布希纳夫·库马尔 , 山塔努·古普塔 , 弗拉基米尔·科齐茨基 , 斯里加内什·马德瓦纳 :
基于Fisher向量神经嵌入的快速通用车牌识别。 49:1-49:9 赛卡特·萨卡尔 , 阿姆兰·查克拉巴蒂 , 迪普蒂·普拉萨德·穆克吉 :
足球视频中控球统计的估计。 50:1-50:8 阿卡·乌贾尔·戴伊 , A.H.阿卜杜勒·哈菲兹 , 高拉夫·哈里特 :
贪婪高斯过程回归在对象分类和回归中的应用。 51:1-51:8 沙沙安克·马斯瓦塔 , 毗湿奴·赛尼 , 贾扬塔·穆克吉 , Prabir K.Biswas公司 , Subhas Aikat公司 , 阿伦达蒂·米斯拉 :
使用哨兵多光谱图像和双极化SAR数据对地面雷场进行无监督检测。 52:1-52:8 安妮莎·帕尔 , Shourya Jaiswal公司 , 斯瓦南多·戈什(Swarnendu Ghosh) , 尼巴拉·达斯 , 米塔·纳西普里 :
SegFast:一种基于SqueezeNet的快速语义图像分割技术,使用深度可分离卷积。 53:1-53:7 Soumabha Bhowmick公司 , 贾扬塔·穆克吉 , Alok Kanti Deb公司 :
使用单目视觉的增量拓扑图构建。 54:1-54:8 埃卡格拉·兰扬 , 苏马瓦·保罗 , 西德哈斯·卡普尔 , 奥本杜·卡尔 , 拉马纳森·塞图拉曼 , Debdoot表 :
联合学习卷积表示来压缩放射图像并在压缩域中分类胸部疾病。 55:1-55:8 曼西·夏尔马 :
一种特殊黎曼流形深度图增强的集成优化方法。 56:1-56:9 萨扬·班纳吉 , 阿维克·哈蒂 , Subhasis Chaudhuri公司 , Rajbabu Velmurugan公司 :
基于图卷积神经网络的图像共分割。 57:1-57:9 阿金·乔伊 , 约瑟夫·苏雷什·保罗 :
一种快速非线性扩散压缩传感并行MR图像重建方法。 58:1-58:8 乌迪特·施里瓦斯塔瓦 , M.V.乔希 :
使用分层学习对糖尿病视网膜病变进行自动多类诊断。 59:1-59:7 Shankar Setty公司 , Sindhu B.赫格德 , 苏普利亚·萨蒂亚帕纳瓦尔 , 乌玛·穆德纳古迪 :
刚性和非刚性三维对象的点云分类评估。 60:1-60:9 斯里曼塔·曼达尔 , Kuldeep Purohit公司 , A.N.拉贾戈帕兰 :
真实噪声中的彩色图像超分辨率。 61:1-61:9 阿尔潘·古普塔 , 萨克提·巴兰·穆提亚 :
未删节视频中的暂时板球击球定位。 62:1-62:9 Hiteshi Jain公司 , 高拉夫·哈里特 :
利用不完美示例中的信息:从错误性能的混合中挖掘常见动作序列。 63:1-63:8 乌德扬·库拉纳 , Parikshit Sakurikar公司 , P.J.纳拉亚南 :
SLFT:追踪合成光场的物理精确框架。 64:1-64:9 维奈·考希克 , 普雷拉娜·穆克吉 , 布雷杰什·拉尔 :
Nrityantar:姿势被遗忘的印度古典舞蹈序列分类系统。 65:1-65:7 施卢蒂·沙尔玛 , 桑塔努·乔杜里 , 胜天 , 斯尼格达学院 :
具有时间相关项的多个测量向量的稀疏信号恢复:贝叶斯观点。 66:1-66:8 宾杜·维玛 , 阿伊莎·乔达里 :
基于RGB-D融合的卷积神经网络的动态手势识别。 67:1-67:8 安基塔·舒克拉 , 沙根·厄普(Shagun Uppal) , 萨塔克·巴加特 , 萨基特·阿南德 , 帕万·K·图拉加 :
解纠缠表示的深生成模型的几何。 68:1-68:8 阿维塞克·拉希里 , 阿比纳夫·阿加瓦拉 , 普拉比尔·库马尔·比斯瓦斯 :
从一百万张合成图像中学习眼睛凝视的无监督领域适应:一种对抗方法。 69:1-69:9 黛巴蒂亚·罗伊 , Gaddam Sreedatta Sanjay Bharath公司 , 马尼·库马尔T。 , C.克里希纳·莫汉 :
使用深度特征的稀疏表示跟踪快速身体变形。 70:1-70:7 施卢蒂·沙尔玛 , 桑塔努·乔杜里 , 胜天 :
基于块稀疏变分贝叶斯框架的脑电信号时域建模。 71:1-71:7 赛萨加·金卡 , 阿维纳什·夏尔马 :
样条网:用于高效分类3D数据的B样条神经网络。 72:1-72:8 维格内什·普拉萨德 , 迪潘詹·达斯 , 布罗杰什瓦·博米克 :
基于Epipolar几何的单眼序列多视角深度和自我运动学习。 73:1-73:9 Priya Mariam Raju女士 , 迪帕克·米什拉 , 哥尔提·拉玛·克里希纳(Gorthi Rama Krishna Sai Subrahmanyam) :
基于视觉词汇袋的相关滤波器跟踪器(BoVW-CFT)。 74:1-74:9 Riki Kudo公司 , 岩田本田 , 岩村Masakazu Iwamura , Koichi Kise公司 :
使用伪相关反馈改进商标检索。 75:1-75:8 库纳尔·切拉尼 , 奇图里·西德哈特 , 维努·马达夫·戈文杜 :
走向自动楼层平面图生成。 76:1-76:8 西德哈特·高塔姆 , 塔潘·库马尔·甘地 , 比贾亚·帕尼格拉希 :
利用图像边界约束和最近邻优化进行单幅图像去噪。 77:1-77:5 纳拉扬·韦特雷卡尔 , 拉马钱德拉·拉加文德拉 , 基兰·拉贾 , 拉金德拉·S·加德 , 克里斯托夫·布什 :
基于光谱成像的伪装人脸识别。 78:1-78:9 萨滕德拉·帕尔·辛格 , 高拉夫·巴特纳加 :
一种基于混沌的鲁棒安全图像散列框架。 79:1-79:7 纳扬·乔希(Nayan Joshi) , 酸奶沙玛 , 帕尔夫·帕基亚 , 里沙布·卡瓦德 , K.马达瓦·克里希纳 , 布罗杰什瓦尔·博米克 :
将对象集成到单目SLAM中:基于行的类别特定模型。 80:1-80:9