一种鲁棒的约束物体检测和语义分割类别一致性的高阶能量项

被引：1

作者：

余淼 ^{[1
,2
]}

胡占义 ^{[1
]}

机构：

[1] 中国科学院自动化研究所模式识别国家重点实验室

[2] 中原工学院电子信息学院

来源：

计算机辅助设计与图形学学报 | 2016年 / 28卷 / 08期

关键词：

场景理解; 物体检测和语义分割; 能量优化; 马尔科夫随机场和条件随机场;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

在统一的能量优化框架下同时进行物体检测和语义分割是一种有效的完整场景理解方式,其中如何设计合适的高阶能量项并对其进行有效求解是2个关键问题.文中给出了对物体检测和语义分割之间的类别一致性进行有效建模的高阶能量项的3条设计准则,并据此给出一种鲁棒的高阶能量项及其对应的高效能量优化算法.首先对正确、错误的以及定位不准的3类物体检测器的限界框中的类别一致性分别进行建模,并表示为3个线性函数的下包络形式;然后证明了在?-expansion下仅需添加2个辅助变量即可通过图割算法对该高阶能量项进行高效求解.在PASCAL VOC 2010数据集上与多个代表性算法进行对比的实验结果表明,文中提出的高阶能量项模型在接受和拒绝物体检测器时,均能有效地约束物体检测和语义分割之间的一致性,且对定位不准的物体检测器具有鲁棒性.

引用

页码：1201 / 1214

页数：14

共 6 条

[1] 计算机视觉中高阶能量项的优化
史利民
余淼
胡占义
[J]. 计算机辅助设计与图形学学报, 2011, (05) : 731 - 734
[2] Fast Approximate Energy Minimization with Label Costs
Delong, Andrew
Osokin, Anton
Isack, Hossam N.
Boykov, Yuri
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2012, 96 (01) : 1 - 27
[3] The Pascal Visual Object Classes (VOC) Challenge
Everingham, Mark
Van Gool, Luc
Williams, Christopher K. I.
Winn, John
Zisserman, Andrew
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2010, 88 (02) : 303 - 338
[4] Robust Higher Order Potentials for Enforcing Label Consistency
Kohli, Pushmeet
Ladicky, L'ubor
Torr, Philip H. S.
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2009, 82 (03) : 302 - 324
[5] Cutting-plane training of structural SVMs
Joachims, Thorsten
Finley, Thomas
Yu, Chun-Nam John
[J]. MACHINE LEARNING, 2009, 77 (01) : 27 - 59
[6] Photo tourism[J] . Noah Snavely,Steven M. Seitz,Richard Szeliski.ACM Transactions on Graphics (TOG) . 2006 (3)

← 1 →