|
专业服务
编辑：
副编辑：IET生物识别.
客座编辑：模式识别中的“集成深度学习”。
客座编辑：《神经计算中人类活动识别的深度学习》。
组织者：
IJCAI2019：第一次研讨会“人类活动识别的深度学习”
IJCAI2020：第二次研讨会“人类活动识别的深度学习”
审核人：
期刊：IEEE TPAMI、IJCV、IEEE TIP、IEEE TNNLS、IEEE TCyber、IEEE TPDS、IEEE TEVC、IEEE TIE、IEEE TSI、PR、CVIU等。
会议：CVPR、ICCV、ECCV、MM、AAAI、IJCAI、MICCAI、WCCI等。
教学：
EE2073-南洋理工大学EEE设计和项目简介
|
|
研究
我对机器学习、深度学习、计算机视觉、图像处理及其应用感兴趣。
|
|
|
具有地方意识的人群计数
Joey Tianyi Zhou，Le Zhang（乐章）*杜佳伟、席鹏、方志文、萧哲、朱宏元
IEEE模式分析和机器智能汇刊（T-PAMI） , 2021.
项目页面/Biptex公司
我们通过提出一种简单但有效的基于位置的学习范式来解决长期存在的数据分布不平衡问题。该方法在两个方面具有位置意识。首先，我们引入了一种位置感知数据分区（LADP）方法，通过位置敏感散列将训练数据分组到不同的容器中。因此，LADP会构建一个更平衡的数据批。为了进一步减少训练偏差，增强与LADP的协作，提出了一种新的数据增强方法，称为局部感知数据增强（LADA），其中图像块根据损失自适应增强。通过将该方法应用于人群计数和对抗性防御，我们证明了该方法的通用性。
|
|
|
用于人类活动识别的双流卷积增强变压器
李冰、崔伟、王伟、，Le Zhang（乐章）陈振华、吴敏
AAAI公司 , 2021.
项目页面/Biptex公司
我们提出了一种新的双流卷积增强人类活动变换器（Two-stream con-volution Augmented Human Activity Transformer，THAT）模型，该模型利用两流结构来捕获时间-通道和通道-时间特征，并使用多尺度共解增强变换器来捕获基于距离的模式。
|
|
|
有序或无序：基于视频的人的重新识别
Le Zhang（乐章）、Joey Tianyi Zhou、Ming-Ming Cheng、Yun Liu、Jia-Wang Bian、Zeng Zeng、Chunhua Shen
IEEE模式分析和机器智能汇刊（T-PAMI） , 2020.
项目页面/Biptex公司
我们首先表明，使用递归神经网络（RNN）来聚合基于视频的个人Reid（VPRe-id）的时间空间特征的常见做法可能不是最佳的。具体地说，通过诊断分析，我们表明递归结构可能无法有效地学习时间依赖性，并隐式生成无序表示。基于这一观察结果，我们随后提出了一种简单但功能强大的VPRe-id方法，其中我们将VPRe-id视为基于图像的人员重新识别问题的有效无序集成。更具体地说，我们将视频划分为单独的图像，并使用基于图像的排序器集合来重新识别人。在身份验证假设下，我们提供了一个错误边界，该边界揭示了我们如何改进VPRe-id。我们的工作也为弥合基于视频和图像的人员重新身份验证之间的差距提供了一种有希望的方法。
|
|
|
GMS：基于网格的快速超分辨率特征对应运动统计
Jia-Wang Bian、Wen-Yan Lin、Yun Liu、，Le Zhang（乐章）、赛基·杨、郑明明、伊恩·里德
国际计算机视觉杂志, 2020.
项目页面/打开cv_contrib/开放式访问/Youtube（Youtube）
我们提出了一种快速对应选择方法，通过利用运动平滑度约束，以高速有效地分离真对应和假对应。
|
|
|
视频监控中异常检测的注意驱动损失
Joey Tianyi Zhou，Le Zhang（乐章）*方志文、杜佳伟、席鹏、肖扬
IEEE视频技术电路和系统汇刊（T-CSVT）, 2020.
项目页面/PDF格式
我们提供了一个简单的解决方案来缓解视频异常检测中的前景背景不平衡问题。
|
|
|
利用强化学习最小化运输延误发生概率
曹志光、郭洪亮、文松、高开洲、陈正华、，Le Zhang（乐章），张雪喜
IEEE车辆技术汇刊（T-VT）, 2020.
我们设计了一种新颖实用的Q学习方法，其中收敛的Q值作为准时到达的实际概率具有实际意义，以提高找到实际最优路径的准确性。
|
|
|
基于深度负相关学习的非线性回归
Le Zhang（乐章）、史增林、程明明、刘云、卞家旺、周天一、郑国彦、曾增
IEEE模式分析和机器智能汇刊（T-PAMI） , 2019.
项目页面/arXiv公司
我们提供了一个通用的深度回归框架，用单个模型模拟集成学习。我们证明了它在一些计算机视觉任务中的有效性，包括corwd计数、年龄估计、表观个性分析和图像超分辨率。
|
|
|
PersEmoN：一个深度网络，用于联合分析表面人格、情绪及其关系
Le Zhang（乐章）彭松友和温克勒。
IEEE情感计算汇刊（TAC/TAFFC）, 2019.
项目页面
我们的ACM MM论文的期刊扩展，用于联合分析表观人格、情绪及其关系
|
|
|
RGBD突出目标检测的对比度优先和流体金字塔积分
赵嘉兴、杨曹、范登平、程明明、李宣义、，Le Zhang（乐章）
IEEE计算机视觉和模式识别会议（CVPR）, 2019.
项目页面
在本文中，我们将对比度先验用于基于非深度学习的SOD方法中，以增强深度信息。
|
|
|
基本矩阵估计的特征匹配器评价
Jia-Wang Bian、Yu-Huan Wu、Ji Zhao、Yun Liu、，Le Zhang（乐章）、郑明明、伊恩·里德
英国机器视觉大会, 2019.
项目页面
本文在图像匹配和基本矩阵估计的背景下，使用严格定义的度量来评估最近提出的局部特征、对应剪枝算法和鲁棒估计。对四个大规模数据集的综合评估结果提供了对哪些数据集特别具有挑战性以及哪些算法在哪些场景中表现良好的见解。
|
|
|
异质斜向随机森林
Rakesh Katuwal、P.N.Suganthan和Le Zhang（乐章）.
模式识别（PR）, 2019.
我们提出了在每个节点上使用斜线性超平面的异质斜随机森林。在121个UCI数据集上对190个分类器进行基准测试时，我们发现倾斜随机本文提出的森林是排名前三的分类器，异质倾斜随机森林在统计上明显优于所有其他分类器
|
|
|
基于深度学习的医疗服务人类活动识别
陈振华，Le Zhang（乐章）、吴敏、李晓丽。
《生物医学数据分析的深度学习：技术、方法和应用》，Springer出版社，2020年出版。
|
|
|
基于神经网络贝叶斯滤波的光传感器占用率估计
陈正华、杨彦兵、蒋朝阳、杰浩、，Le Zhang（乐章）
IEEE工业电子学报（T-IE）, 2019.
提出了一种基于神经网络的贝叶斯滤波器，用于基于光传感器数据的占用率优化估计。
|
|
|
基于注意BLSTM的WiFi CSI被动人体活动识别
陈振华，Le Zhang（乐章）*蒋朝阳、曹志光、崔伟（*表示通讯作者）
IEEE移动计算事务（T-MC） ，预打印。
基于注意力的双向长短期记忆，用于使用WiFi CSI信号进行被动人类活动识别。
|
|
|
用于边缘检测的更丰富卷积特征
刘云（Yun Liu）,郑明明,胡晓伟,嘉旺边,Le Zhang（乐章）,向白和金辉堂
IEEE模式分析和机器智能事务（T-PAMI），预打印。
项目页面/博客
使用更丰富卷积特征的精确边缘检测器。
|
|
|
基于GMM、IMM和EKF的非直瞄环境下鲁棒移动位置估计
魏翠、李冰、，Le Zhang（乐章）和魏萌，
IEEE系统杂志 ，预打印。
一种适用于实际混合LOS/NLOS/LOS-NLOS环境的移动位置估计方案。
|
|
|
利用FTOC跟踪羽毛球机器人的挡板
陈伟、廖廷波、李志航、郝志林、洪雪、Le Zhang（乐章）、郭靖、曹志光
神经计算 ，预打印。
全方位移动羽毛球机器人，由机械、视觉和运动控制子系统组成。
|
|
|
基于随机向量函数链接网络的多类分类决策树集成
Katuwal、Rakesh、P.N.Suganthan和Le Zhang（乐章）
应用软计算 , 2018.
一种由决策树和随机向量函数链接网络组成的用于多类分类的新分类器集合
|
|
|
从手工制作的特征中提取知识用于人类活动识别
陈振华，Le Zhang（乐章）*曹志光、郭靖（*表示通讯作者）
IEEE工业信息学汇刊（T-II） , 2018.
一种改进手工特征深度学习的新知识提取策略
|
|
|
用于人群计数的多尺度多任务Deep NetVLAD
曾林石,Le Zhang（乐章）孙一波、叶阳东
IEEE工业信息学汇刊（T-II） , 2018.
项目页面
我们引入了一种动态增强技术来训练更深层次的CNN进行人群计数。为了减少训练样本数量有限导致的过度拟合，进一步采用多任务学习来学习跨相似域的泛化表示。我们还建议通过“局部聚集描述子向量”（VLAD）将从整个图像中提取的多尺度卷积特征聚合成一个紧凑的单向量表示，该表示便于高效准确的计数。
|
|
|
基于接收信号强度的随机向量函数链网络室内定位
崔伟，Le Zhang（乐章）*、、李冰、郭靖、孟伟、王海霞和谢丽华（*表示通讯作者）
IEEE工业信息学汇刊（T-II） , 2018.
用于基于RSS的室内定位的强大并行RVFL。
|
|
|
基于历史上下文的标签分布学习绘画图像风格分类
杨巨峰,陈立毅，Le Zhang（乐章）,孙晓晓,东雨舍,卢少平和郑明明
ACM多媒体（MM） , 2018.
在用于绘画风格分类的卷积神经网络中，新的知识提取策略用于辅助视觉特征学习。
|
|
|
给我一幅肖像，我会告诉你你的情绪和个性
彭松友,Le Zhang（乐章）,斯特凡·温克勒和玛丽安·温斯利特
ACM多媒体（MM） , 2018.
技术演示。我们引入了一个类似暹罗的深层网络，从一张肖像照片中预测一个人的“大五”性格和激发价情绪。
|
|
|
Bayesian VoxDRN：一种基于概率深层Voxelwise扩展残差网络的三维MR图像整体心脏分割
曾林石,曾国栋，Le Zhang（乐章）,庄夏海、李雷、杨广、郑国艳,
国际医学图像计算与计算机辅助干预会议（MICCAI） , 2018.
基于三维MR图像的概率深体素扩展残差网络分割整个心脏。
|
|
|
DEL：用于高效图像分割的深度嵌入学习
刘云（Yun Liu）,彭涛江，胡晓伟,瓦汉石油公司,李世杰,嘉旺边,Le Zhang（乐章）, 和郑明明（Ming Ming Cheng）
国际人工智能联合会议, 2018.
项目页面
我们训练一个完全卷积网络来学习每个超像素的特征嵌入空间。
|
|
|
具有深度负相关学习的人群计数
曾林石,Le Zhang（乐章）*,刘云（Yun Liu）,曹晓峰、叶阳东、，李世杰,和郑国燕（*表示相应作者）
IEEE计算机视觉和模式识别会议（CVPR）, 2018.
项目页面/博客
在没有额外参数的情况下，我们在单个网络中模拟集成学习。
|
|
|
内核交叉相关器
陈旺,Le Zhang（乐章）,谢丽华,袁俊松,
人工智能会议, 2018.
项目页面/博客
KCC将KCF扩展到任何核函数，并且不局限于训练数据的循环结构，因此它能够预测具有定制属性的仿射变换。
|
|
|
卷积随机向量函数链网络的视觉跟踪
Le Zhang（乐章）和Ponnuthurai Nagaratnam Suganthan公司,
IEEE控制论事务（T-Cyber）, 2017.
项目页面
用于视觉跟踪的随机ConvNets集合。
|
|
|
基于联合训练核相关滤波器的鲁棒视觉跟踪
Le Zhang（乐章）和Ponnuthurai Nagaratnam Suganthan公司,
模式识别（PR）, 2017.
项目页面
用于视觉跟踪的KCF集合。
|
|
|
具有新型联合训练核岭回归和随机向量函数链接集成的基准集成分类器
Le Zhang（乐章）、和Ponnuthurai Nagaratnam Suganthan公司,
IEEE计算智能杂志（IEEE CIM）, 2017.
我博士研究的基准总结。
|
|
|
基于CT-PCA和在线SVM的智能手机传感器鲁棒人体活动识别
陈振华、朱庆昌、Yeng Chai Soh和Le Zhang（乐章）*（*表示相应作者）
IEEE工业信息学学报（T-II）, 2017.
一种用于时间序列信号的在线SVM。
|
|
|
基于最小二乘估计的倾斜随机森林集合用于时间序列预测
邱雪恒，Le Zhang（乐章）,Ponnuthurai Nagaratnam Suganthan公司,和Gehan A.J.Amaratunga公司,
信息科学 , 2017.
为回归问题扩展斜随机森林。
|
|
|
在车辆路线中找到“更快”的路径
郭靖吴耀新张学喜，Le Zhang（乐章）、魏晨、曹志光、张璐、郭洪亮
IET智能交通系统, 2017.
通过将双增量分布扩展到双正态分布，改进了车辆路径中的更快准则。
|
|
|
基于斜随机森林的鲁棒视觉跟踪
Le Zhang（乐章）,贾根·瓦拉达拉扬,Ponnuthurai Nagaratnam Suganthan公司,纳伦德拉·阿胡贾,和皮埃尔·穆林,
IEEE计算机视觉和模式识别会议（CVPR） , 2017.
项目页面
增量倾斜随机森林。
|
|
|
用于二元人机交互识别的鲁棒多模式线索
Trabelsi、Rim、，贾加纳丹·瓦拉达拉扬,永培，Le Zhang（乐章）, Issam Jabri、Ammar Bouallegue和皮埃尔·穆林.
ACM关于社会、情感和主观属性多模式理解的多媒体研讨会 , 2017.
我们通过结合所有三种模式，解决了使用多模态数据的二元交互识别问题，并使用了以人为中心的特征（通过3D关节的像素描述符）和整体特征（通过基于FCNN的颜色和深度特征）。
|
|
