Detect2Rank：利用排序学习组合目标检测器
计算机视觉与模式识别
2015-11-23 v1
摘要
目标检测是计算机视觉领域的一个重要研究方向。目前已提出许多检测算法。然而，每个目标检测器都依赖于对目标外观和成像条件的特定假设。因此，没有任何一种算法可被视为通用的。面对种类繁多的目标检测器，随之而来的问题是如何选择和组合它们。在本文中，我们提出了一个学习如何组合目标检测器的框架。所提出的方法使用（单个）检测器（如 DPM、CN 和 EES），并通过高层上下文特征利用它们之间的相关性，以生成组合后的检测列表。在 PASCAL VOC07 和 VOC10 数据集上的实验表明，该方法显著优于单一目标检测器：在 VOC07 上，相比 DPM 提升 8.4%，相比 CN 提升 6.8%，相比 EES 提升 17.0%；在 VOC10 上，相比 DPM 提升 6.5%，相比 CN 提升 5.5%，相比 EES 提升 16.2%。
引用
@article{arxiv.1412.7957,
title = {Detect2Rank : Combining Object Detectors Using Learning to Rank},
author = {Sezer Karaoglu and Yang Liu and Theo Gevers},
journal= {arXiv preprint arXiv:1412.7957},
year = {2015}
}