180 research outputs found
PD2T: Person-specific Detection, Deformable Tracking
No full textFace detection/alignment has reached a satisfactory state in static images captured under arbitrary conditions. Such methods typically perform (joint) fitting independently for each frame and are used in commercial applications; however in the majority of the real-world scenarios the dynamic scenes are of interest. Hence, we argue that generic fitting per frame is suboptimal (it discards the informative correlation of sequential frames) and propose to learn person-specific statistics from the video to improve the generic results. To that end, we introduce a meticulously studied pipeline, which we name PD\textsuperscript{2}T, that performs person-specific detection and landmark localisation. We carry out extensive experimentation with a diverse set of i) generic fitting results, ii) different objects (human faces, animal faces) that illustrate the powerful properties of our proposed pipeline and experimentally verify that PD\textsuperscript{2}T outperforms all the compared methods
Motion deblurring of faces
No full textFace analysis lies at the heart of computer vision with remarkable progress in the past decades. Face recognition and tracking are tackled by building invariance to fundamental modes of variation such as illumination, 3D pose. A much less standing mode of variation is motion deblurring, which however presents substantial challenges in face analysis. Recent approaches either make oversimplifying assumptions, e.g. in cases of joint optimization with other tasks, or fail to preserve the highly structured shape/identity information. We introduce a two-step architecture tailored to the challenges of motion deblurring: the first step restores the low frequencies; the second restores the high frequencies, while ensuring that the outputs span the natural images manifold. Both steps are implemented with a supervised data-driven method; to train those we devise a method for creating realistic motion blur by averaging a variable number of frames. The averaged images originate from the 2 MF2 dataset with 19 million facial frames, which we introduce for the task. Considering deblurring as an intermediate step, we conduct a thorough experimentation on high-level face analysis tasks, i.e. landmark localization and face verification, on blurred images. The experimental evaluation demonstrates the superiority of our method
Polynomial function approximation and its application to deep generative models
No full textData are collected at an unprecedented rate owing to the ubiquitous existence of sensors. Modeling such data, especially high-dimensional data such as images or videos, is of paramount importance. Deep generative models, that are implemented as multilayer neural networks, have demonstrated success in modeling distributions of high-dimensional data.
In this thesis, we explore new structures, models and approximation methods for deep generative models.
We initially focus on conditional data generation and study the robustness of the popular conditional Generative Adversarial Nets (cGAN). The model assumes a conditional input, e.g., a corrupted image, is available and we want to transform it into a high-dimensional output. However, our experiments illustrate that cGAN is not robust to noise. To mitigate that, we propose a new, augmented model, called RoCGAN, which leverages structure in the output space of the model. RoCGAN exhibits robust behavior even under intense noise.
Sequentially, we turn our attention to the function approximation method used for implementing deep generative models, i.e., feedforward neural networks. Little attention has been given to the method of choice for function approximation. To that end, we model the data generator as a high-order polynomial. We conduct experiments with the polynomial generator using Generative Adversarial Nets (GANs). We illustrate that the polynomial expansion is a very expressive function approximator and natural signals, such as images, can be approximated without the use of activation functions (i.e., a cornerstone of the approximation with feedforward neural networks).
The polynomial function approximation is generalized from modeling the generator of a GAN to modeling both generative and discriminative methods in diverse tasks, such as image or audio classification or representation learning in non-euclidean domains.
Lastly, we focus on the type of generative model. Despite the stellar success of GANs, their complicated training dynamics, make the study of alternative models imperative. To that end, we introduce a decoder-only method that uses a polynomial expansion to approximate natural images.Open Acces
The writer and the street pedlar. Stakes of a press literature in the "athenian novels" (1913-1945) by Grigorios Xénopoulos
No full textCe travail a pour objectif la mise en évidence des interférences entre la presse et la littérature. en étudiant les "romans athéniens" de Grigorios Xénopoulos, publiés en feuilleton entre 1913 et 1945 dans la presse athénienne, nous examinons le champ littéraire et journalistique grec depuis la fin du XIXe siècle et jusqu’à la deuxième guerre mondiale, la description de l’espace urbain (Athènes) et la présence de l’interdiscours dans les romans. Nous traitons le corpus dans l’optique d’une littérature de presse, médiatique et largement accessible. Enfin, dans le sillage de l’analyse du discours et particulièrement de la nouvelle rhétorique, nous examinons la dimension argumentative des textes et l’image de l’auteur dans la fiction, telle qu’elle est perçue notamment à travers le réseau intertextuel.This work aspires to the description of the connection between the press and the literature. by studying Grigorios Xenopoulos’"Athenian novels", published in serial form between 1913 and 1945 in the Athenian press, I examine the greek literary and journalistic field from the end of the 19th century until the world war II, the description of the urbain space (Athens) and the interdiscourse in the novels. the corpus is treated from the point of view of the media and the largely accessible press literature. Finally, following on from the discourse analysis and in particular from the new rhetoric, I examine the argumentative dimension of the texts and the image of the author in fiction, as it is perceived in particular through the intertextual network
Deep face deblurring
No full textBlind deblurring consists a long studied task, however the outcomes of generic methods are not effective in real world blurred images. Domain-specific methods for deblurring targeted object categories, e.g. text or faces, frequently outperform their generic counterparts, hence they are attracting an increasing amount of attention. In this work, we develop such a domain-specific method to tackle deblurring of human faces, henceforth referred to as face deblurring. Studying faces is of tremendous significance in computer vision, however face deblurring has yet to demonstrate some convincing results. This can be partly attributed to the combination of i) poor texture and ii) highly structure shape that yield the contour/gradient priors (that are typically used) sub-optimal. In our work instead of making assumptions over the prior, we adopt a learning approach by inserting weak supervision that exploits the well-documented structure of the face. Namely, we utilise a deep network to perform the deblurring and employ a face alignment technique to pre-process each face. We additionally surpass the requirement of the deep network for thousands training samples, by introducing an efficient framework that allows the generation of a large dataset. We utilised this framework to create 2MF2, a dataset of over two million frames. We conducted experiments with real world blurred facial images and report that our method returns a result close to the sharp natural latent image
Βελτιστοποίηση αλγορθμικών διαδικασιών και δομών δεδομένων για επιταχυντές υλικού
No full textThe data intensive computing is considered as a long standing, rapidly emerging and computationally demanding workload category. This thesis focuses mainly on the efficient hardware-based implementation of complex and data intensive algorithms, taking advantage of the leverage parallelism and the high throughput that various hardware platforms can offer. We, also, present the high performance advantages that the mapping of those data demanding algorithms on hardware-based platforms can offer, when compared to the existing official software solutions. This thesis presents the algorithm mapping procedure and effectiveness, derived from three different application domains; the bioinformatics research area, the data mining domain and the graph mining domain.An important scientific area that combines both the big data processing and the complex data structures is the bioinformatics area. We focused on the gene finding problem, which uses the Hidden Markov Models (HMM) that are considered as one of the most efficient tools for pattern recognition. The proposed HMM architectures can offer up to one order of magnitude performance acceleration when compared to the implementation of the basic HMM processes on a high-end server.The second application domain that this thesis focuses on is the data mining domain. The data mining algorithms extract useful information, e.g. data patterns, from huge datasets. The Decision Tree Classification (DTC) is a simple and widely-used classification technique in data mining. We present two hardware-based architectures for the DTC problem, which are mapped on a high end multi-FPGA platform supporting fast I/O data transmission. The performance results show that our system completely outperforms any other existing software or hardware based solutions on DTC problem for at least one order of magnitude.The third application that we focused on is the Frequent Subgraph Mining (FSM) problem from the graph mining research area. We mapped one of the most efficient FSM algorithms, gSpan, on a multi-FPGA platform and we achieved at least one order of magnitude performance speedup versus the official software solution. Finally, this work presents an algorithmic approach for implementing recursion on reconfigurable logic.All the proposed hybrid HW/SW architectures in this thesis are scalable so they can very efficiently boost the performance (at least one order of magnitude) achieved by the various existing single or multi-threaded software solutions. Also, the described architectures are designed to be generic in a manner that they can give effective solutions for many other problems in different application domains. Finally, regarding the studied problems, the implemented systems seem to totally outperform other high-end systems as far as the energy consumption is concerned. Concluding, this thesis shows that the hardware platforms have the potential to offer better and less time consuming solutions for the always demanding and continuously spread big data problems.Η επεξεργασία μεγάλου όγκου δεδομένων θεωρείται μία ταχέως αναπτυσσόμενη και επεξεργαστικά πολύ απαιτητική κατηγορία προβλημάτων. Η παρούσα διατριβή επικεντρώνεται στην αποδοτική αναπαράσταση, σε υλικό πολύπλοκων και με μεγάλες απαιτήσεις δεδομένων αλγορίθμων, εκμεταλλευόμενη τον παραλληλισμό και την υψηλών ταχυτήτων επικοινωνία που οι διάφορες πλατφόρμες υλικού προσφέρουν. Επίσης, παρουσιάζει τα οφέλη στην απόδοση που μπορεί να προσφέρει η απεικόνιση τέτοιου είδους αλγορίθμων σε πλατφόρμες υλικού όταν συγκριθούν με τις υπάρχουσες “βέλτιστες” λύσεις λογισμικού. Αυτή η εργασία παρουσιάζει την αποδοτικότητα της απεικόνισης αλγορίθμων στο υλικό από τρία διαφορετικά πεδία εφαρμογών, την βιοπληροφορική, την περιοχή “εξόρυξης” πληροφορίας και την περιοχή “εξόρυξης” γράφων. Μία ιδιαίτερα αναπτυσσόμενη επιστημονική περιοχή που συνδυάζει την επεξεργασία μεγάλου όγκου με πολύπλοκες δομές δεδομένων είναι ο τομέας της βιοπληροφορικής. Σε αυτή την εργασία παρουσιάζεται το πρόβλημα της εύρεσης γονιδίων, το οποίο χρησιμοποιεί Μαρκοβιανά μοντέλα για την αναγνώριση προτύπων. Οι προτεινόμενες αρχιτεκτονικές για τα Μαρκοβιανά μοντέλα προσφέρουν μέχρι και μία τάξη μεγέθους καλύτερη απόδοση σε σύγκριση με την βέλτιστη των αλγορίθμων σε έναν σύγχρονης τεχνολογίας υπολογιστή. Το δεύτερο πεδίο εφαρμογών στο οποίο επικεντρώνεται αυτή η εργασία είναι το πεδίο της “εξόρυξης” δεδομένων. Οι συγκεκριμένοι αλγόριθμοι εξαγάγουν χρήσιμες πληροφορίες, για παράδειγμα αναγνώριση προτύπων από μεγάλους όγκους δεδομένων. H Decision Tree ταξινόμηση (DTC) είναι μία απλή και ευρέως χρησιμοποιούμενη μέθοδος ταξινόμησης στον τομέα της “εξόρυξης” δεδομένων. Παρουσιάζονται δύο αρχιτεκτονικές για το DTC πρόβλημα, οι οποίες απεικονίζονται σε μία τελευταίας τεχνολογίας πλατφόρμα με πολλαπλές FPGAs, η οποία υποστηρίζει γρήγορη είσοδο/έξοδο μεταφοράς δεδομένων. Τα αποτελέσματα δείχνουν ότι το σύστημα μας έχει καλύτερη απόδοση για τουλάχιστον μία τάξη μεγέθους από κάθε άλλη υπάρχουσα υλοποίηση, είτε σε λογισμικό είτε σε υλικό, για το DTC πρόβλημα.Η τρίτη εφαρμογή με την οποία ασχοληθήκαμε είναι η εύρεση συχνών κοινών υπογράφων (FSM) από την περιοχή της “εξόρυξης” γράφων. Υλοποιήθηκε ένας από τους πιο αποδοτικούς FSM αλγορίθμους, gSpan αλγόριθμος, σε μία πλατφόρμα με πολλαπλές FPGAs και επιτεύχθηκε μία τάξης μεγέθους επιτάχυνση της απόδοσης σε σύγκριση με την βέλτιστη έκδοση του αλγορίθμου στο software. Τέλος, αυτή η εργασία παρουσιάζει μία διαφορετική αλγοριθμική προσέγγιση του FSM προβλήματος χρησιμοποιώντας αναδρομή και την αποδοτική απεικόνιση στο υλικό. Όλες οι προτεινόμενες υβριδικές αρχιτεκτονικές υλικού/λογισμικού σε αυτή την εργασία είναι επεκτάσιμες και μπορούν χρησιμοποιηθούν σε διάφορες υλοποιήσεις λογισμικού βελτιώνοντας την απόδοση του τελικού συστήματος. Επίσης, οι περιγραφόμενες αρχιτεκτονικές είναι γενικές και δίνουν αποδοτικές λύσεις για πολλά προβλήματα σε διαφορετικά πεδία εφαρμογών. Τέλος, τα υλοποιημένα συστήματα είναι σημαντικά αποδοτικότερα ως προς την κατανάλωση ενέργειας σε σύγκριση με άλλα σύγχρονα συστήματα. Συμπερασματικά, αυτή η εργασία υποστηρίζει ότι οι πλατφόρμες υλικού προσφέρουν γρηγορότερες και ενεργειακά αποδοτικότερες λύσεις για τα απαιτητικά και ευρέως εξαπλωμένα προβλήματα που σχετίζονται με την επεξεργασία μεγάλου όγκου δεδομένων
Sound and complete verification of Polynomial Networks
No full textLas Redes Polinomiales (PNs) han demostrado un rendimiento prometedor en reconocimiento de imágenes y caras recientemente. No obstante, no queda clara la robustez de estas y por lo tanto, certificar la robustez es imperativo para posibilitar su implantación en aplicaciones en el mundo real. Los algoritmos de verificación existentes para Redes Neuronales (NNs) con la activación ReLU, basados en técnicas "branch and bound" (BaB), no pueden ser aplicados trivialmente para a verificación de las PNs. En este trabajo, ideamos un nuevo método de acotado (bounding), equipado con BaB para garantizar la convergencia global, llamado VPN. Una observación clave es que obtenemos cotas mucho más ajustadas que la referencia dada con propagación de intervalos. Esto permite la verificación solida y completa de las PNs con validación empírica en los conjuntos de datos MNIST, CIFAR10 y STL10. Creemos que nuestro método tiene su propio interés en la verificatión de NNs
Sound and complete verification of Polynomial Networks
No full textLas Redes Polinomiales (PNs) han demostrado un rendimiento prometedor en reconocimiento de imágenes y caras recientemente. No obstante, no queda clara la robustez de estas y por lo tanto, certificar la robustez es imperativo para posibilitar su implantación en aplicaciones en el mundo real. Los algoritmos de verificación existentes para Redes Neuronales (NNs) con la activación ReLU, basados en técnicas "branch and bound" (BaB), no pueden ser aplicados trivialmente para a verificación de las PNs. En este trabajo, ideamos un nuevo método de acotado (bounding), equipado con BaB para garantizar la convergencia global, llamado VPN. Una observación clave es que obtenemos cotas mucho más ajustadas que la referencia dada con propagación de intervalos. Esto permite la verificación solida y completa de las PNs con validación empírica en los conjuntos de datos MNIST, CIFAR10 y STL10. Creemos que nuestro método tiene su propio interés en la verificatión de NNs
- …
