学习基于轮廓片段的形状模型及其与 - 或树表示
计算机视觉与模式识别
2015-02-04 v1
摘要
本文提出了一种简单而有效的方法，用于学习由局部轮廓片段组成的分层物体形状模型，该模型以与 - 或树（And-Or tree）的形式表示一类形状。该模型通过引入“开关”变量（即或节点）扩展了传统的分层树结构，这些变量明确指定了产生规则以捕捉形状变化。因此，我们将模型定义为三层：用于检测局部轮廓片段的叶节点、指定叶节点选择的或节点，以及编码整体形变的根节点。在训练阶段，为了优化与 - 或树的学习，我们通过在学习迭代步骤中嵌入结构聚类来扩展凹 - 凸过程（CCCP）。形状检测的推理与模型优化一致，它整合了通过叶节点和或节点进行的局部测试以及通过根节点进行的全局验证。我们的方法优势在具有挑战性的形状数据库（即 ETHZ 和 INRIA Horse）上得到了验证，总结如下：(1) 所提出的方法能够在不可靠的边缘检测和边缘追踪情况下准确定位形状轮廓。(2) 与 - 或树模型使我们能够很好地捕捉类内方差。
引用
@article{arxiv.1502.00723,
title = {Learning Contour-Fragment-based Shape Model with And-Or Tree Representation},
author = {Liang Lin and Xiaolong Wang and Wei Yang and Jianhuang Lai},
journal= {arXiv preprint arXiv:1502.00723},
year = {2015}
}
备注
8 pages, 7 figures, CVPR 2012