• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Graphic and Image Processing >Object Recognition in Images via a Factor Graph Model
【24h】

Object Recognition in Images via a Factor Graph Model

机译：通过因子图模型在图像中的对象识别

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

摘要

Object recognition in images suffered from huge search space and uncertain object profile. Recently, the Bag-of-Words methods are utilized to solve these problems, especially the 2-dimension CRF(Conditional Random Field) model. In this paper we suggest the method based on a general and flexible fact graph model, which can catch the long-range correlation in Bag-of-Words by constructing a network learning framework contrasted from lattice in CRF. Furthermore, we explore a parameter learning algorithm based on the gradient descent and Loopy Sum-Product algorithms for the factor graph model. Experimental results on Graz 02 dataset show that, the recognition performance of our method in precision and recall is better than a state-of-art method and the original CRF model, demonstrating the effectiveness of the proposed method.
机译：图像中的对象识别遭受巨大的搜索空间和不确定对象配置文件。最近，使用袋式方法来解决这些问题，尤其是2维CRF（条件随机场）模型。在本文中，我们提出了一种基于一般和灵活的事实图模型的方法，可以通过构建与CRF中的格子形成对比的网络学习框架来捕获袋子的远程相关性。此外，我们探索基于因子图模型的梯度下降和循环和 - 产品算法的参数学习算法。 GRAZ 02数据集的实验结果表明，我们在精度和召回中的方法的识别性能优于最先进的方法和原始CRF模型，展示了该方法的有效性。

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