| 一种面向目标检测的部件学习方法 |
| |
| 引用本文： | 陈耀东,李仁发.一种面向目标检测的部件学习方法[J].计算机研究与发展,2013,50(9):1902-1913. |
| |
| 作者姓名： | 陈耀东 李仁发 |
| |
| 作者单位： | 嵌入式与网络计算湖南省重点实验室 长沙410073 |
| |
| 摘 要： | 基于部件的目标检测模型主要研究如何利用部件获得目标的局部判别特征,而极少关注部件形式及选取策略对检测性能的影响.首先从特征学习的角度分析了部件选取策略对学习弱部件模型的影响,提出了一种自适应的部件学习方法.该方法无须部件层标注,在搜索判别部件的同时利用样本自身的图像分布特点自动定位到语义相关的部件,从而保证特征学习的判别性和有效性.其次,针对训练集的标注样本经常存在不完整或部分遮挡等事实,提出了一种简单有效的部件剪技策略以降低噪声部件的比例.实验面向PASCAL VOC 2007/2010数据集评估了4种形式的部件模型.实验结果验证了自适应部件学习算法在模型检测上的有效性,同时表明了弱部件模型经过剪技策略优化后具有更快的学习收敛性.
|
| 关 键 词： | 部件学习 可变形部件模型 目标检测 弱监督学习 颜色/纹理分布 |
Learning Parts for Object Detection |
| |
| Chen Yaodong
,
Li Renfa.Learning Parts for Object Detection[J].Journal of Computer Research and Development,2013,50(9):1902-1913. |
| |
| Authors: | Chen Yaodong Li Renfa |
| |
| Affiliation: | Chen Yaodong;Li Renfa;Key Laboratory for Embedded and Network Computing of Hunan Province; |
| |
| Abstract: | |
| |
| Keywords: | part learning deformable part models object detection weakly supervised learning color/texture distribution |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
