نمونه های مبتنی بر نمونه برای تشخیص شی، انجمن و فراتر از
 
:عنوان

Abstract: Recognizing and reasoning about the objects found in an image is one of the key problems in computer vision. This thesis is based on the idea that in order to understand a novel object, it is often not enough to recognize the object category it belongs to (i.e., answering \"What is this?\"). We argue that a more meaningful interpretation can be obtained by linking the input object with a similar representation in memory (i.e., asking \"What is this like?\"). In this thesis, we present a memory-based system for recognizing and interpreting objects in images by establishing visual associations between an input image and a large database of object exemplars. These visual associations can then be used to predict properties of the novel object which cannot be deduced solely from category membership (e.g., which way is it facing? what is its segmentation? is there a person sitting on it?). Part I of this thesis is dedicated to exemplar representations and algorithms for creating visual associations. We propose Local Distance Functions and Exemplar-SVMs, which are trained separately for each exemplar and allow an instance-specific notion of visual similarity. We show that an ensemble of Exemplar-SVMs performs competitively to state-of-the-art on the PASCAL VOC object detection task. In Part II, we focus on the advantages of using exemplars over a purely category-based approach. Because Exemplar-SVMs show good alignment between detection windows and their associated exemplars, we show that it is possible to transfer any available exemplar meta-data (segmentation, geometric structure, 3D model, etc.) directly onto the detections, which can then be used as part of overall scene understanding. Finally, we construct a Visual Memex, a vast graph over exemplars encoding both visual as well as spatial relationships, and apply it to an object prediction task. Our results show that exemplars provide a better notion of object context than category-based approaches.

Keywords: Computer vision,Exemplar models,Image understanding,Machine learning,Object detection, Object recognition

Subjects: Robotics, Computer science,
نمونه های مبتنی بر نمونه برای تشخیص شی، انجمن و فراتر از

: عنوان

چکیده: شناخت و استدلال در مورد اشیاء موجود در یک تصویر یکی از مسائل کلیدی در دید کامپیوتر است. این پایان نامه بر اساس این ایده است که به منظور درک یک شیء جدید، اغلب به رسمیت شناختن رده شیء که متعلق به آن است (به عنوان مثال، پاسخ به \ "این چیست؟ \") کافی نیست. ما استدلال می کنیم که تفسیر معنی دارتری را می توان با اتصال شیء ورودی به نمایشگر مشابه در حافظه (به عنوان مثال، درخواست \ "چه چیزی این است؟ \"). در این پایان نامه، ما یک سیستم مبتنی بر حافظه برای شناسایی و تفسیر اشیاء در تصاویر را با ایجاد ارتباط بصری بین یک تصویر ورودی و یک پایگاه داده بزرگ از نمونه های شیء ارائه می کنیم. سپس این ترکیبات بصری می تواند مورد استفاده برای پیش بینی خواص شی جدید قرار بگیرد که نمی توان تنها از عضویت در رده (به عنوان مثال، چگونگی روبرو شدن با آن، تقسیم بندی آن چه کسی وجود دارد؟) وجود دارد. قسمت اول این پایان نامه به نمایندگی ها و الگوریتم های نمونه ای برای ایجاد انجمن های بصری اختصاص یافته است. ما توابع توزیع محلی و مثال-SVM ها را پیشنهاد می کنیم، که برای هر نمونه به طور جداگانه آموزش داده می شود و به یک مفهوم خاص از شباهت بصری اجازه می دهد. ما نشان می دهیم که مجموعه ای از نمونه های SVM ها به صورت پیشرفته در زمینه شناسایی شیء PASCAL VOC رقابت می کنند. در قسمت دوم، ما بر مزایای استفاده از نمونه بر روی یک رویکرد مبتنی بر دسته تنها تمرکز می کنیم. از آنجا که نمونه های SVM نشان می دهد هماهنگی خوب بین پنجره های تشخیص و نمونه های مرتبط با آن، ما نشان می دهیم که ممکن است هر گونه متادیت نمونه های موجود (تقسیم بندی، ساختار هندسی، مدل 3D، و غیره) را به طور مستقیم بر روی تشخیص انتقال، به عنوان بخشی از درک کلی صحنه استفاده می شود. در نهایت، ما Visual Memex را ایجاد می کنیم، یک گراف گسترده ای بیش از نمونه هایی که رمزنگاری هر دو رویکرد بصری و فضایی است، و اعمال آن به یک کار پیش بینی شی. نتایج ما نشان می دهد که نمونه ها مفهوم بهتر از زمینه شی را به شیوه های مبتنی بر دسته بندی ارائه می دهند.

کلمات کلیدی: دیدگاه کامپیوتر، مدل نمونه، درک تصویر، یادگیری ماشین، تشخیص شی، تشخیص شیء

موضوعات: روباتیک، علوم کامپیوتر،

لینک خرید کل پایان نامه وترجمه