可变形部件模型中可变形部件的重要性如何？
计算机视觉与模式识别
2012-06-19 v1 人工智能
机器学习
摘要
Felzenszwalb等人提出的可变形部件模型（DPM）检测器（相对于Dalal和Triggs的方向梯度直方图方法）的主要贡献在于使用了可变形部件。次要贡献是潜在判别学习。第三是使用多组件。视觉界的普遍看法（包括我们在本研究之前的看法）是，这些贡献的排序反映了检测器在实际中的性能。然而，我们通过实验发现，重要性的排序可能恰恰相反。首先，我们证明，通过增加组件数量，并将初始化步骤从基于长宽比、左右翻转的启发式方法切换为基于外观的聚类，可以获得显著的性能提升。但更有趣的是，我们证明，使用这些新组件后，可以完全关闭部件变形，而获得的结果与原始DPM检测器几乎相当。最后，我们还展示了在另一个问题——场景分类上使用多组件的初步结果，表明这一思想除了目标检测之外可能还有更广泛的应用。
引用
@article{arxiv.1206.3714,
title = {How important are Deformable Parts in the Deformable Parts Model?},
author = {Santosh K. Divvala and Alexei A. Efros and Martial Hebert},
journal= {arXiv preprint arXiv:1206.3714},
year = {2012}
}