使用两级级联支持向量机生成物体候选框
计算机视觉与模式识别
2014-07-22 v1
摘要
物体候选框算法作为物体识别和检测的第一步已显示出巨大前景。优秀的物体候选框生成算法需要高物体召回率以及低计算成本，因为生成物体候选框通常被用作预处理步骤。因此，如何在不降低召回率的情况下加速物体候选框的生成和评估过程备受关注。在本文中，我们提出了一种使用两级级联支持向量机（SVMs）的新物体候选框生成方法，其中在第一阶段独立学习预定义量化尺度/长宽比的线性滤波器，在第二阶段学习跨越所有量化尺度/长宽比的全局线性分类器以进行校准，从而使所有候选框能够进行适当比较。得分最高的候选框是我们的最终输出。具体而言，我们解释了尺度/长宽比量化方案，并研究了在具有或不具有排序约束的学习中，级联 SVMs 中 和 正则化器组合的效果。我们在 VOC2007 数据集上进行了全面的实验，我们的结果以高物体召回率和高计算效率达到了最先进（state-of-the-art）的性能。此外，我们的方法已被证明不仅适用于特定类别的物体候选框生成，也适用于通用物体候选框生成。
引用
@article{arxiv.1407.5242,
title = {Object Proposal Generation using Two-Stage Cascade SVMs},
author = {Ziming Zhang and Philip H. S. Torr},
journal= {arXiv preprint arXiv:1407.5242},
year = {2014}
}