基于新型关键点 AdaBoost 特征的视觉目标分类
计算机视觉与模式识别
2009-10-08 v1 机器学习
摘要
我们展示了使用 AdaBoost 结合新颖的“基于关键点的特征”进行视觉目标分类所取得的良好结果。这些弱分类器根据测试图像中是否存在一个“关键点”（一种 SURF 兴趣点），且其描述符与表征该特征的参考描述符足够相似（即在给定距离内），来产生布尔响应。在包含侧视汽车图像的公开数据集上进行的首次实验，在测试集上达到了 95% 的召回率和 95% 的精确率。在行人数据库的一个小子集上的初步测试也给出了 97% 召回率和 92% 精确率的良好结果，这表明了我们新特征族的通用性。此外，对 AdaBoost 所选关键点位置的分析表明，它们对应于目标类别的特定部分（例如侧视汽车中的“车轮”或“侧裙”），因此具有“语义”含义。我们还对视频进行了首次测试，通过从所有检测到的关键点中实时筛选出 AdaBoost 所选关键点来检测车辆。
引用
@article{arxiv.0910.1294,
title = {Visual object categorization with new keypoint-based adaBoost features},
author = {Taoufik Bdiri and Fabien Moutarde and Bruno Steux},
journal= {arXiv preprint arXiv:0910.1294},
year = {2009}
}