通过从真实视图到渲染视图适配的深度范例二维-三维检测
计算机视觉与模式识别
2016-04-19 v2 机器学习
神经与进化计算
摘要
本文提出一种用于二维-三维范例检测端到端的卷积神经网络（CNN）。我们证明，将自然图像的特征适配以更好地与 CAD 渲染视图的特征对齐的能力，是我们技术成功的关键。我们展示该适配可通过在自然图像上合成带纹理物体模型的渲染视图来学习。我们的方法可自然融入 CNN 检测流程，并将深度学习近期进展带来的精度与速度优势扩展到二维-三维范例检测。我们将方法应用于两项任务：实例检测（在 IKEA 数据集上评估）和物体类别检测（在 Pascal VOC 数据集的一个子集上针对“椅子”检测优于 Aubry 等人）。
引用
@article{arxiv.1512.02497,
title = {Deep Exemplar 2D-3D Detection by Adapting from Real to Rendered Views},
author = {Francisco Massa and Bryan Russell and Mathieu Aubry},
journal= {arXiv preprint arXiv:1512.02497},
year = {2016}
}
备注
To appear in CVPR 2016