视觉传感器网络中的多视图任务驱动识别
计算机视觉与模式识别
2017-06-02 v2
摘要
如今，分布式智能相机被部署于多种应用场景中的广泛任务，涵盖目标识别、图像检索和取证应用。由于分布式系统的带宽有限，局部视觉特征的高效编码实际上一直是一个活跃的研究课题。本文提出了一种利用传感器融合技术获得高维视觉数据紧凑表示的新方法。我们将资源受限场景中的视觉分析问题转化为多视图表示学习，并表明找到适当压缩表示的关键在于利用相机彼此之间的位置关系，将其作为稀疏编码特定信号表示中基于范数的正则化项。学习每个相机的表示被视为一个独立任务，并对所有节点采用具有联合稀疏性的多任务学习。所提出的表示学习方案被称为面向视觉传感器网络的多视图任务驱动学习（MT-VSN）。我们证明，MT-VSN在各种监控识别任务中优于当前最先进的方法。
引用
@article{arxiv.1705.10715,
title = {Multi-View Task-Driven Recognition in Visual Sensor Networks},
author = {Ali Taalimi and Alireza Rahimpour and Liu Liu and Hairong Qi},
journal= {arXiv preprint arXiv:1705.10715},
year = {2017}
}
备注
5 pages, Accepted in International Conference of Image Processing, 2017