用于物体形状建模与检测的动力学与 - 或图学习
计算机视觉与模式识别
2015-02-04 v1
摘要
本文研究了一种新颖的判别式部件模型，用于通过“与 - 或图”表示和识别物体形状。我们将该模型定义为三层结构：具有协作边以定位局部部件的叶节点、指定叶节点切换的或节点，以及编码全局验证的根节点。我们提出了一种从 CCCP [23] 扩展而来的判别式学习算法，以动态方式训练该模型：在迭代过程中，通过优化多层参数自动确定模型结构（例如，与或节点关联的叶节点配置）。我们方法的优势有两点：(i) 与 - 或图模型使我们能够很好地处理物体形状检测中的大类内方差和背景杂波。(ii) 所提出的学习算法能够在无需精细监督和初始化的情况下获得与 - 或图表示。我们在几个具有挑战性的数据库（例如 INRIA-Horse、ETHZ-Shape 和 UIUC-People）上验证了所提出的方法，其性能优于最先进的方法。
引用
@article{arxiv.1502.00741,
title = {Dynamical And-Or Graph Learning for Object Shape Modeling and Detection},
author = {Xiaolong Wang and Liang Lin},
journal= {arXiv preprint arXiv:1502.00741},
year = {2015}
}
备注
9 pages, 4 figures, NIPS 2012