...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Pattern Analysis and Machine Intelligence, IEEE Transactions on >Learning Discriminative Collections of Part Detectors for Object Recognition
【24h】

Learning Discriminative Collections of Part Detectors for Object Recognition

机译：学习零件检测器的判别式集合以进行对象识别

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We propose a method to learn a diverse collection of discriminative parts from object bounding box annotations. Part detectors can be trained and applied individually, which simplifies learning and extension to new features or categories. We apply the parts to object category detection, pooling part detections within bottom-up proposed regions and using a boosted classifier with proposed sigmoid weak learners for scoring. On PASCAL VOC2010, we evaluate the part detectors’ ability to discriminate and localize annotated keypoints and their effectiveness in detecting object categories.
机译：我们提出了一种从对象边界框注解中学习区分部分的各种方法。零件检测器可以单独进行培训和应用，从而简化了学习并扩展了新功能或新类别。我们将零件应用于对象类别检测，在自底向上的建议区域内合并零件检测，并使用带有建议的S型弱学习者的增强分类器进行评分。在PASCAL VOC2010上，我们评估了零件检测器区分和定位带注释的关键点的能力及其在检测对象类别中的有效性。

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