用于物体定位的任意形状基于密度的区域搜索
计算机视觉与模式识别
2015-11-26 v1
摘要
区域搜索广泛用于物体定位。通常，区域搜索方法将分类器的得分投影到图像平面上，然后搜索具有最大得分的区域。最近提出的区域搜索方法，如高效子窗口搜索和高效区域搜索，比滑动窗口搜索效率高得多，它们从图像上的得分分布中定位物体。然而，对于某些分类器和任务，投影得分几乎全为正，因此最大化区域得分会导致将几乎整幅图像定位为目标物体，这是毫无意义的。在本文中，我们观察到高得分主要集中在物体上或其周围。基于这一观察，我们提出了一种名为水平集最大权重连通子图（LS-MWCS）的方法，该方法通过搜索得分最密集的区域而非得分最高的区域来定位任意形状的物体。区域密度可以通过参数灵活控制。我们证明了所提出的 LS-MWCS 的一个重要性质，保证了可以搜索到得分最密集的区域。此外，LS-MWCS 可以通过信念传播进行高效优化。该方法在弱监督物体定位问题上进行了评估，定量结果证明了我们的 LS-MWCS 相较于其他最先进方法的优越性。
引用
@article{arxiv.1410.6447,
title = {Density-Based Region Search with Arbitrary Shape for Object Localization},
author = {Ji Zhao and Deyu Meng and Jiayi Ma},
journal= {arXiv preprint arXiv:1410.6447},
year = {2015}
}