文章总览 - 98
Fuzzy_Machine_Learning
21
A survey on deep learning-based image forgery detection
发表于Pattern Recognition 2023，基于深度学习的图像伪造检测综述。
22
SPL
23
Deep Fuzzy K-Means With Adaptive Loss and Entropy Regularization
发表于IEEE Transactions on Fuzzy Systems 2019，提出了深度模糊k-means（DFKM），具有加权自适应损失函数的FKM。
24
Robust deep fuzzy K-means clustering for image data
发表于JCR一区、CCF B类期刊的Pattern Recognition 2024，提出了一种新的边界引导图像篡改定位模型，该模型通过精心设计的注意力和对比学习机制充分利用被篡改区域的边界信息，利用拉普拉斯正则化方法对隶属度矩阵进行约束，使从相似样本中学习到的隶属度也相互关联，将自适应损失函数引入到统一的框架中，可以减少各种异常值的影响，有助于增强聚类的鲁棒性。
25
Robust deep k-means:An effective and simple method for data clustering
发表于PR 2021。
26
K-means clustering algorithms:A comprehensive review, variants analysis, and advances in the era of big data
发表于Information Sciences 2023。
27WMGTI
28
AIGCTraceability
29
AdaIFL:Adaptive Image Forgery Localization via a Dynamic and Importance-aware Transformer Network
发表于ECCV2024，提出了AdaIFL，为不同的网络组件定制不同的专家组，构建多个不同的特征子空间，利用自适应激活的专家网络，AdaIFL可以捕获与伪造模式相关的判别特征，增强了模型的泛化能力。提出了一种特征重要性感知注意力，自适应地感知不同区域的重要性，并将区域特征聚集成可变长度的标记，将模型的注意力导向更有区别和信息的区域。
30