用于联合物体检测与姿态估计的卷积神经网络：一项比较研究
计算机视觉与模式识别
2015-03-03 v4 机器学习
神经与进化计算
摘要
本文研究了卷积神经网络在联合检测静态图像中描绘的物体并估计其 3D 姿态方面的应用。我们识别了定向物体的不同特征表示，以及引导网络学习这些表示的能量函数。表示的选择至关重要，因为物体的姿态具有自然的连续结构，而其类别是一个离散变量。我们使用平均视角精度 (Average Viewpoint Precision) 在 Pascal3D+ 基准测试的联合物体检测与姿态估计任务上评估了不同方法。结果表明，基于离散化视角的分类方法在联合物体检测和姿态估计方面实现了最先进 (SOTA) 的性能，并在此基准测试上显著优于现有基线。
引用
@article{arxiv.1412.7190,
title = {Convolutional Neural Networks for joint object detection and pose estimation: A comparative study},
author = {Francisco Massa and Mathieu Aubry and Renaud Marlet},
journal= {arXiv preprint arXiv:1412.7190},
year = {2015}
}