文献阅读笔记——Object Co-Detection via Efficient Inference in a Fully-Connected CRF
2014-08-08 16:36
417 查看
ECCV 2014的一篇文章。作者是Australian National University的博士生Zeeshan Hayder。
这篇文章提出了一套数据集上的协同检测（Co-Detection）算法。该算法的目标是，在给定数据集的情况下，同时检测出数据集中各张影像上属于目标类c的物体。该算法采用全连接的CRF。CRF的节点表示目标类c的一个候选窗口，节点的取值为二值，即属于目标c或者背景。该算法主要包括两个步骤。首先用训练好的DPM等检测器得到响应满足一定阈值条件的候选窗口；然后构造一个二类标记问题，即将上述各候选窗口赋值为类c或者背景。
难点在于，在数据集较大的情况下，如何能够快速有效地求解CRF模型。这步也可以算是文章的工作吧。
当需要检测的类数目超过1类时，各类的检测是相互独立的。也就是说CRF模型中的节点仅表示某一类物体的候选窗口。如果有兴趣的话，可以思考下，是否可以同时检测数类目标。
文章下载链接：
http://users.cecs.anu.edu.au/~hexm/paper/codetect_eccv2014.pdf
这篇文章提出了一套数据集上的协同检测（Co-Detection）算法。该算法的目标是，在给定数据集的情况下，同时检测出数据集中各张影像上属于目标类c的物体。该算法采用全连接的CRF。CRF的节点表示目标类c的一个候选窗口，节点的取值为二值，即属于目标c或者背景。该算法主要包括两个步骤。首先用训练好的DPM等检测器得到响应满足一定阈值条件的候选窗口；然后构造一个二类标记问题，即将上述各候选窗口赋值为类c或者背景。
难点在于，在数据集较大的情况下，如何能够快速有效地求解CRF模型。这步也可以算是文章的工作吧。
当需要检测的类数目超过1类时，各类的检测是相互独立的。也就是说CRF模型中的节点仅表示某一类物体的候选窗口。如果有兴趣的话，可以思考下，是否可以同时检测数类目标。
文章下载链接：
http://users.cecs.anu.edu.au/~hexm/paper/codetect_eccv2014.pdf
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 【论文笔记】Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials
- Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials之python代码运行
- 【fcCRFs】Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials
- Efficient Inference in Fully Connected CRFs with Gaussian Edge Potentials
- 论文笔记 | R-FCN: Object Detection via Region-based Fully Convolutional Networks
- 论文阅读 R-FCN: Object Detection via Region-based Fully Convolutional Networks
- 论文阅读 R-FCN: Object Detection via Region-based Fully Convolutional Networks
- [论文阅读]R-FCN: Object Detection via Region-based Fully Convolutional Networks
- 《Handling Cold-Start Problem in Review Spam Detection by Jointly Embedding Texts and Behaviors》阅读笔记
- End-to-end learning of action detection from frame glimpses in videos 阅读笔记
- A Dynamic Algorithm for Local Community Detection in Graphs--阅读笔记
- 论文笔记 R-FCN: Object Detection via Region-based Fully Convolutional Networks
- [论文阅读]R-FCN: Object Detection via Region-based Fully Convolutional Networks
- 对论文R-FCN: Object Detection via Region-based Fully Convolutional Networks的阅读
- 《Fast and Accurate Inference with Adaptive Ensemble Prediction in Image Classification阅读笔记
- 【论文笔记】物体检测系列 R-FCN: Object Detection via Region-based Fully Convolutional Networks
- R-FCN: Object Detection via Region-based Fully Convolutional Networks 论文笔记
- 论文阅读理解 - R-FCN: Object Detection via Region-based Fully Convolutional Networks
- 论文笔记：R-FCN: Object Detection via Region-based Fully Convolutional Network
- 论文笔记 R-FCN: Object Detection via Region-based Fully Convolutional Networks