Key points are not available for this paper at this time.
我们提出了一种方法,可以从未标记且未分割的杂乱场景中以尺度不变的方式学习和识别对象类别模型。对象被建模为灵活的部分星座。采用概率表示来涵盖对象的所有方面:形状、外观、遮挡和相对尺度。基于熵的特征检测器用于选择图像中的区域及其尺度。在学习阶段,尺度不变对象模型的参数通过最大似然环境下的期望最大化算法进行估计。在识别阶段,该模型以贝叶斯方式用于图像分类。该模型的灵活性通过在多个数据集上取得的优异结果得到了展示,包括几何约束类别(例如人脸、汽车)和灵活对象(如动物)。
Building similarity graph...
Analyzing shared references across papers
Loading...
Rob Fergus
Pietro Perona
Andrew Zisserman
University of Oxford
California Institute of Technology
Building similarity graph...
Analyzing shared references across papers
Loading...
Fergus 等人(Fri,)研究了这个问题。
www.synapsesocial.com/papers/6a093e7516dfdfe7ed33eed1 — DOI: https://doi.org/10.1109/cvpr.2003.1211479
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: