结合纹理与形状线索的最小监督目标识别
计算机视觉与模式识别
2016-09-15 v1
摘要
我们提出了一种新的目标分类与检测方法，该方法需要最小监督，并结合了从免费无标签网络搜索结果中学习到的视觉纹理线索和形状信息。网络上视觉数据的爆炸式增长使得几乎任何目标的视觉样本都可以通过网络搜索轻松获取。以往的无监督方法要么利用来自网络的大规模纹理线索，要么利用来自众包 CAD 模型等数据的形状信息。我们提出了一个双流深度学习框架来结合这些线索，其中一个流从图像搜索数据中学习视觉纹理线索，另一个流从 3D CAD 模型中学习丰富的形状信息。为了对新图像进行分类或检测，使用后期融合方案结合两个流的预测。我们在标准基准 PASCAL VOC 2007 上展示了这两个任务的实验和可视化结果，以证明纹理和形状在我们的模型中提供了互补信息。我们的方法优于以往基于网络图像的模型、基于 3D CAD 模型的方法以及弱监督模型。
引用
@article{arxiv.1609.04356,
title = {Combining Texture and Shape Cues for Object Recognition With Minimal Supervision},
author = {Xingchao Peng and Kate Saenko},
journal= {arXiv preprint arXiv:1609.04356},
year = {2016}
}
备注
ACCV 2016