用于汽车检测的联合深度学习
计算机视觉与模式识别
2016-07-15 v2
摘要
传统的物体识别方法依次应用特征提取、部件形变处理、遮挡处理和分类，而这些步骤彼此独立。Ouyang 和 Wang 提出了一种模型，利用一个深度神经网络联合学习上述所有过程。我们利用并修改了他们的工具箱，将其应用于尚未测试过的汽车检测场景。将这些组件构建为单一的深度架构，改善了它们之间的交互，并能提升整个系统的性能。我们认为该方法可用作通用物体检测工具箱。我们在 UIUC 汽车数据集上测试了该算法，并取得了优异的结果。我们方法的准确率为 97%，而此前报道的结果准确率最高为 91%。我们坚信，在更大规模数据集上的实验能够展示深度模型优于浅层模型的优势。
引用
@article{arxiv.1412.7854,
title = {Joint Deep Learning for Car Detection},
author = {Seyedshams Feyzabadi},
journal= {arXiv preprint arXiv:1412.7854},
year = {2016}
}