用于刚性物体检测的视角自适应
计算机视觉与模式识别
2017-02-27 v1
摘要
当物体检测器被应用于从与其训练视角不同的视角拍摄的图像数据时，其性能表现往往欠佳。在本文中，我们提出了一种视角自适应算法，允许将已训练的单视角物体检测器自适应于新的、不同的视角。我们首先说明如何从源视角和目标视角之间的已知单应性矩阵推断出特征空间变换。其次，我们表明可以修改各种已训练的分类器，使其表现得如同将该变换应用于每个测试实例一样。所提出的算法在行人检测任务上进行了评估，使用了来自 PETS 2007 和 CAVIAR 数据集的图像，以及一个新的合成多视角行人检测数据集。在将单视角行人检测器自适应于新视角时，该算法带来了显著的性能提升，同时降低了计算复杂度。这项工作有望提升从任意视角观察物体的相机的检测性能，同时简化数据收集和特征提取过程。
引用
@article{arxiv.1702.07451,
title = {Viewpoint Adaptation for Rigid Object Detection},
author = {Patrick Wang and Kenneth Morton and Peter Torrione and Leslie Collins},
journal= {arXiv preprint arXiv:1702.07451},
year = {2017}
}