使用渐进潜在模型的自学习场景特定行人检测器
计算机视觉与模式识别
2016-11-24 v1
摘要
本文提出了一种自学习方法，旨在无需任何人工标注的情况下解决场景特定的行人检测问题。该自学习方法部署为对象发现、对象增强和标签传播的渐进步骤。在学习过程中，每一帧中的对象位置被视为潜在变量，并通过渐进潜在模型（PLM）求解。与传统的潜在模型相比，所提出的 PLM 结合了空间正则化项以减少对象提议中的歧义并增强对象定位，同时结合了基于图的标签传播以在相邻帧中发现更难的实例。借助凸差（DC）目标函数，PLM 可以通过凹凸规划高效优化，从而保证自学习的稳定性。大量实验表明，即使没有标注，所提出的自学习方法也优于弱监督学习方法，同时取得了与迁移学习和全监督方法相当的性能。
引用
@article{arxiv.1611.07544,
title = {Self-learning Scene-specific Pedestrian Detectors using a Progressive Latent Model},
author = {Qixiang Ye and Tianliang Zhang and Qiang Qiu and Baochang Zhang and Jie Chen and Guillermo Sapiro},
journal= {arXiv preprint arXiv:1611.07544},
year = {2016}
}