论文提要“Part-based R-CNNs for Fine-grained Category Detection”
来源:互联网 发布:涉密网络三员 编辑:程序博客网 时间:2024/06/05 20:15
物体的局部信息可以用来进行精细分类,这篇文章学习了整个物体和物体局部检测器,从pose-normalized表示预测精细分类。局部定位可以反应物体之间的关联,并能降低物体姿态或相机位置变化带来的影响。Poselet和DPM用于物体局部定位获得了一定的效果,但测试时只有在给定bbox时才能获得充足的局部定位信息。精细识别,属性识别,姿态估计及推理预测等需要准确的局部信息。
思路来源:在Caltech-UCSD bird数据库上,SS提取局部proposal的平均recall为95%,使用R-CNN同时定位整个物体和局部,整个思路流程如下所示。
Part-based R-CNNs
训练前准备这个物体和特定局部集
几何约束
使用X=x0,x1,...,xn 表示物体及局部的bbox,给定权值w0,w1,w2,...,wn ,有对应的检测器d0,d1,...,dn ,检测得分是di(x)=σ(wTiϕ(x)) ,其中σ(⋅) 是sigmoid函数,ϕ(x) 是CNN特征。使用如下优化方法得到物体及局部的联合结构:X∗=argmaxXΔ(X)∏ni=0di(xi)
结果得分函数Δ 有以下几种形式:
Box约束:Δbox(X)=∏ni=0cx0(xi)
当y中最多有10个像素落在x外面时cx(y)=1 。
几何约束:考虑到局部检测器不理想或物体有遮挡,使用如下形式的几何约束
其中δi 是给定训练数据位置pi 上的得分,文中使用最近邻形式δNP ,最近邻使用pool5层特征和cos距离计算。具体形式见论文。精细分类
使用200类bird数据微调ImageNet训练的CNN,测试时,提取整个物体或局部区域的特征,之后使用1-all的SVM分类。如果某个局部区域未检测到(所有的proposal得分比局部检测器阈值小),则令ϕ(xi)=0
- 论文提要“Part-based R-CNNs for Fine-grained Category Detection”
- Part-based R-CNNs for Fine-grained Category Detection(精读)
- 论文提要“Hypercolumns for Object Segmentation and Fine-grained Localization”
- 论文阅读(3)--SPDA-CNN: Unifying Semantic Part Detection and Abstraction for Fine-grained Recognition
- 论文阅读笔记 SPDA-CNN: Unifying Semantic Part Detection and Abstraction for Fine-grained Recognition
- SPDA-CNN:Unifying Semantic Part Detection and Abstraction for Fine-grained Recognition
- POOF:Part-Based One-vs-One Features for Fine-Grained Categorization,Face Verification,and Attribute
- 论文阅读(4)--Part-Stacked CNN for Fine-Grained Visual Categorization
- Part-based R-CNNs阅读笔记
- 论文阅读-《Deformable Part-based Fully Convolutional Network for Object Detection》
- Fine-Grained Crowdsourcing for Fine-Grained Recognition(精读)
- 论文提要“Fast Feature Pyramids for Object Detection”
- 论文提要“Filtered Channel Features for Pedestrian Detection”
- 论文提要“Fast Feature Pyramids for Object Detection”
- 论文提要“Fast Feature Pyramids for Object Detection”
- Region-based Convolutional Networks for Accurate Object Detection and Segmentation----R-CNN论文笔记
- SPDA-CNN:Unifying Semantic Part Detectiojn and Abstraction for Fine-grained Recognition
- 细粒度图像识别Object-Part Attention Driven Discriminative Localization for Fine-grained Image Classificatio
- 利用Python内置函数计算当前时间
- unity开发相关环境(vs、MonoDevelop)windows平台编码问题
- 常用Matlab函数和Modelsim任务
- 近期感悟
- 已超过传入消息(65536)的最大消息大小配额。若要增加配额,请使用相应绑定元素上的 MaxReceivedMessageSize 属性。
- 论文提要“Part-based R-CNNs for Fine-grained Category Detection”
- 告信息:<uses-permission> tag appears after <application> tag
- 完全掌握Android Data Binding
- scala实现设计模式之观察者模式
- Oracle RMAN备份脚本
- Windows安装出现错误
- 函数的返回值
- ROW_NUMBER() 用法
- sublime text使用小结