StampNet：无监督多类物体发现
计算机视觉与模式识别
2020-11-05 v1 机器学习
摘要
图像中的无监督物体发现涉及揭示定义物体并将其与背景区分开来的重复模式。这比图像聚类更具挑战性，因为物体的大小和位置未知：这增加了额外的自由度并提高了问题的复杂度。在这项工作中，我们提出 StampNet，一种新颖的自编码神经网络，它能在图像中简单背景上定位形状（物体）并同时对其进行分类。StampNet 由一个离散潜空间组成，用于物体分类和确定物体位置。物体类别在训练过程中形成，从而发现一组固定的物体。我们给出一组实验，证明 StampNet 能够定位并聚类多个具有不同复杂度的重叠形状，包括来自 MNIST 数据集的数字。我们还展示了 StampNet 在俯视深度图中定位行人的应用。
引用
@article{arxiv.1902.02693,
title = {StampNet: unsupervised multi-class object discovery},
author = {Joost Visser and Alessandro Corbetta and Vlado Menkovski and Federico Toschi},
journal= {arXiv preprint arXiv:1902.02693},
year = {2020}
}