基于上下文支持先验的高斯过程用于主动目标定位

我们设计了一种算法，该算法利用贝叶斯优化框架并结合上下文视觉数据，以实现静态图像中目标的高效定位。近期研究在目标定位及相关计算机视觉任务上取得了实质性进展。然而，许多当前最先进的目标定位流程仍然存在不准确和低效的问题，并且未能提供一个有原则且可解释的系统以适应高层视觉任务。我们通过当前研究来解决这些问题。我们的方法包含一个主动搜索过程，该过程利用上下文数据为目标对象生成初始边界框提议。我们训练一个卷积神经网络来近似与目标对象的偏移距离。接着，我们使用高斯过程在目标的搜索空间上对该偏移响应信号进行建模。然后，我们采用贝叶斯主动搜索来精确定位目标。在实验中，我们将我们的方法与一种最先进的边界框回归方法在具有挑战性的行人定位任务上进行了比较。我们的方法相比此基线回归方法表现出显著改进。