学习学习关系以用于静态图像中重要人物检测
计算机视觉与模式识别
2019-04-09 v1
摘要
人类可以轻松识别社交事件图像中人物的重要性，并且总是关注最重要的个体。然而，学习学习图像中人物之间的关系，并基于该关系推断最重要的人物，仍尚待发展。在这项工作中，我们提出了一种深度重要性关系网络（deep imPOrtance relatIon NeTwork, POINT），它结合了关系建模与特征学习。具体而言，我们推断两类交互模块：学习人物间交互的人-人交互模块，以及学习描述一个人如何参与图像中所发生事件的事-人交互模块。然后我们从两种交互中估计人物间的重要性关系，并从重要性关系中编码关系特征。通过这种方式，POINT 自动并行地学习多种类型的关系特征，并将这些关系特征与人物特征聚合，形成用于重要人物分类的重要性特征。大量实验结果表明，我们的方法对重要人物检测是有效的，并验证了学习学习关系对重要人物检测的功效。
引用
@article{arxiv.1904.03632,
title = {Learning to Learn Relation for Important People Detection in Still Images},
author = {Wei-Hong Li and Fa-Ting Hong and Wei-Shi Zheng},
journal= {arXiv preprint arXiv:1904.03632},
year = {2019}
}
备注
Important people detection, Relation Network, POINT