• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE International Conference on Image Processing >HIERARCHICAL PART DETECTION WITH DEEP NEURAL NETWORKS
【24h】

HIERARCHICAL PART DETECTION WITH DEEP NEURAL NETWORKS

机译：具有深度神经网络的分层部分检测

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Part detection is an important aspect of object recognition. Most approaches apply object proposals to generate hundreds of possible part bounding box candidates which are then evaluated by part classifiers. Recently several methods have investigated directly regressing to a limited set of bounding boxes from deep neural network representation. However, for object parts such methods may be unfeasible due to their relatively small size with respect to the image. We propose a hierarchical method for object and part detection. In a single network we first detect the object and then regress to part location proposals based only on the feature representation inside the object. Experiments show that our hierarchical approach outperforms a network which directly regresses the part locations. We also show that our approach obtains part detection accuracy comparable or better than state-of-the-art on the CUB-200 bird and Fashionista clothing item datasets with only a fraction of the number of part proposals.
机译：部件检测是对象识别的一个重要方面。大多数方法应用对象建议以生成数百个可能的部分边界框候选，然后由零件分类器评估。最近几种方法已经研究直接回归到深度神经网络表示的有限边界框。然而，对于对象部件，由于它们相对于图像的尺寸相对较小，因此这种方法可能是不可行的。我们提出了一种对象和部件检测的分层方法。在一个网络中，我们首先检测对象，然后仅基于对象内的特征表示来回归部分位置提案。实验表明，我们的分层方法优于直接回归零件位置的网络。我们还表明，我们的方法获得了比幼崽200鸟类和时尚基斯塔服装项目数据集的零件检测精度比较或更好，只有部分建议的数量。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号