用于静止图像中人体语义描述的扩展部件模型
计算机视觉与模式识别
2016-11-17 v2
摘要
我们引入一种扩展部件模型（EPM）用于识别静止图像中的人体属性（如年轻、短发、穿西装）和动作（如跑、跳）。EPM是一组部件模板的集合，这些模板经判别学习以解释图像中（以人为中心坐标下）特定的尺度空间区域。这与当前由相对较少（即混合）的“平均”模板组成的模型形成对比。EPM仅使用部件子集对图像评分，并在空间上稀疏地评分，即忽略图像中冗余和随机的背景。为学习我们的模型，我们提出一种算法，从大量候选部件中自动挖掘部件，并学习相应的判别模板及其各自位置。我们在三个近期具有挑战性的人体属性和动作数据集上验证了方法。我们在三个数据集上获得了令人信服的定性及最先进的定量结果。
引用
@article{arxiv.1509.04186,
title = {Expanded Parts Model for Semantic Description of Humans in Still Images},
author = {Gaurav Sharma and Frederic Jurie and Cordelia Schmid},
journal= {arXiv preprint arXiv:1509.04186},
year = {2016}
}
备注
Accepted for publication in IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)