学习 And-Or 模型以表征汽车检测与视角估计中的上下文与遮挡

本文提出了一种学习 And-Or 模型的方法，用于表征汽车检测与视角估计中的上下文和遮挡。所学习的 And-Or 模型在三个层面上表征车对车上下文和遮挡配置：(i) 空间对齐的汽车，(ii) 不同遮挡配置下的单车，以及 (iii) 少量部件。And-Or 模型嵌入了一种语法，用于在可重构的层次结构中表示巨大的结构和外观变化。学习过程以弱监督方式（即仅标注单车的边界框）分为两个阶段。首先，学习 And-Or 模型的结构，包含三个组件：(a) 基于标注单车边界框的布局挖掘多车上下文模式，(b) 挖掘单车之间的遮挡配置，以及 (c) 基于汽车 3D CAD 仿真学习部件可见性的不同组合。And-Or 模型组织为有向无环图，可通过动态规划进行推断。其次，使用弱标签结构 SVM 联合训练模型参数（用于外观、形变和偏置）。在实验中，我们在四个汽车检测数据集上测试了我们的模型——KITTI 数据集 \cite{Geiger12}、PASCAL VOC2007 汽车数据集~\cite{pascal}，以及两个自采集的汽车数据集，即 Street-Parking 汽车数据集和 Parking-Lot 汽车数据集；并在三个汽车视角估计数据集上进行了测试——PASCAL VOC2006 汽车数据集~\cite{pascal}、3D 汽车数据集~\cite{savarese} 和 PASCAL3D+ 汽车数据集~\cite{xiang_wacv14}。与可变形部件模型的最先进变体及其他方法相比，我们的模型在四个检测数据集上始终取得了显著改进，并在汽车视角估计上取得了相当的性能。