用于人体检测的深度 Poselets
计算机视觉与模式识别
2014-07-04 v1
摘要
我们解决了利用基于 poselets 的部件方法在自然场景中检测行人的问题。我们提出了一种自举方法，使我们能够为每种 poselet 类型收集数百万个弱标记样本。我们利用这些样本来训练卷积神经网络 (Convolutional Neural Net)，以区分不同的 poselet 类型并将它们与背景类别分离。然后，我们使用训练好的 CNN 作为一种用姿态判别特征 (PDF) 向量表示 poselet 补丁的方法——这是一个紧凑的 256 维特征向量，能有效区分姿态和外观。我们在 PDF 特征之上训练 poselet 模型，并将其与对象级 CNN 结合用于检测和边界框预测。所得模型在 PASCAL 数据集的人体检测上达到了最先进的性能。
引用
@article{arxiv.1407.0717,
title = {Deep Poselets for Human Detection},
author = {Lubomir Bourdev and Fei Yang and Rob Fergus},
journal= {arXiv preprint arXiv:1407.0717},
year = {2014}
}