2015年11月_cv_family_z

原创开源代码文献

持续跟新Tracking: Learning to Track: Online Multi-Object Tracking by Decision Making ICCV2015 使用 Markov Decision Processes 做跟踪，速度可能比较慢,效果应该还可以 https://github.com/yuxng/MDP_Tracking Car detection: Int

2015-11-18 08:42:39 23836 2

原创 Deeply Learned Attributes for Crowded Scene Understanding

CVPR2015 http://www.ee.cuhk.edu.hk/~jshao/WWWCrowdDataset.html 代码 https://github.com/amandajshao/www_deep_crowd本文主要使用 CNN来解析拥挤场景首先建立了一个关于拥挤场景的数据库 WWW Crowd Dataset A quick glance of WWW Crowd Datas

2015-11-27 15:49:43 1052

原创 Deep Learning Face Attributes in the Wild

ICCV 2015 香港中文大学人脸方面的研究 http://personal.ie.cuhk.edu.hk/~lz013/projects/FaceAttributes.html本文使用三个 CNN网络，前两个用于人脸检测，一个用于属性预测。整个网络框架如下：三个网络如上图 (a),(b),(c)所示，(a)图输入整个图像，输出人脸和上半身图像，(b)输入人脸和上半身图像，输出人脸，(

2015-11-27 10:32:58 3942 1

原创 Face Alignment by Coarse-to-Fine Shape Searching

CVPR 2015 http://mmlab.ie.cuhk.edu.hk/projects/CFSS.html本文主要解决的是人脸配准问题，以前的方法 cascaded regression 主要问题在于人脸形状初始化问题。因为初始化可能不好，导致人脸形状优化陷入局部解。本文使用 coarse-to-fine framework 来解决初始化问题，同时对较大的人脸姿态也能很好的解决。整个框架如

2015-11-26 16:03:34 2411

原创人脸检测“A Fast and Accurate Unconstrained Face Detector”

NPD人脸检测主要内容： 1.图像特征：Normalized Pixel Difference(NPD)，存在查找表中。 2.特征筛选：deep quadratic tree 3.分类：soft cascade classifier1.NPD特征就是两个像素的相对差值，根据Weber规则得到。 f(x,y)=x−yx+yf(x,y)=\frac {x-y}{x+y} 对于s*s的图像，

2015-11-25 15:02:59 7461 21

原创 Scale-aware Fast R-CNN for Pedestrian Detection

本文主要关注行人检测中的尺度问题。在图像中，离相机近的人尺寸大些，离相机远的人在图像中尺度小些。如下图所示：不同尺寸的人提取出的特征也不一样。以前大多数文献针对该问题只用一个模型来解决。本文提出了一个新的解决方案: 训练两个网络，一个对应大的尺寸，一个对应小的尺寸。实验数据：时间

2015-11-25 14:50:20 5934 3

原创 Real-Time Pedestrian Detection With Deep Network Cascades

BMVC 2015 实时行人检测 Cascades + CNN本文主要是参考文献【4】中采用 soft-cascade ，并结合不同复杂度的CNN网络得到即快又准的行人检测系统。在 Cascades 前面我们使用下面的小网络：在 Cascades 后面我们使用下面的大网络： we employ the soft-cascade from Benenson et al. [4]

2015-11-25 11:12:04 2598 2

原创 Deep Learning Strong Parts for Pedestrian Detection

ICCV 2015本文主要利用深度学习结合 part model 得到一个 DeepParts 来解决行人检测中的遮挡问题。DeepParts has four main contributions： 1）通过数据驱动，自动选择若干互补的局部模型 2) we are the first to extensively explore how single part detector and

2015-11-24 10:43:35 3445 2

原创 3D Object Proposals for Accurate Object Class Detection

ICCV 2015 3D物体候选区域提取，自动驾驶中的物体检测的前一个步骤Our code and data are online: http://www.cs.toronto.edu/ ˜ 3dop 暂时还不能访问3 3D Object Proposals 我们的输入是 a stereo image pair，使用 Yamaguchi et al. [31] 计算深度信息。 W

2015-11-23 16:47:05 3294

原创 Learning Complexity-Aware Cascades for Deep Pedestrian Detection

ICCV 2015本文主要介绍了一种考虑计算复杂度的级联器用于检测行人，将CNN特征嵌入级联器中。3 Complexity-Aware Cascade Training 3.1. AdaBoost AdaBoost 由若干若分类器组成一个强分类器。3.2. Complexity-Aware Learning 将误差函数定义为两部分，classification accur

2015-11-23 15:12:40 2046

原创行人属性“Attributed Grammars for Joint Estimation of Human Attributes, Part and Pose”

相关工作 1.属性模型：人脸：性别，发型，是否戴眼镜 Poselet：检测身体parts Panda: HOG based Poselet 检测parts，CNN分类。重在数据和微调。本文重在建模和表示。2.Part定位模型： pictorial structural model,geometry based tree model,DPM,POselet,CNN。3.Grammar模型：

2015-11-20 16:54:39 4663 3

原创 Person re-identification by Local Maximal Occurrence representation and metric learning

这是中科院关于Person re-identification CVPR 2015Local Maximal Occurrence Feature 3.1. Dealing with Illumination Variations 首先对图像使用 Retinex 进行了预处理，前后结果如下图所示：对处理后的图像，我们通过计算 HSV color histogram 来提取颜色特

2015-11-20 09:18:24 3837 1

原创 Person Re-Identification by Iterative Re-Weighted Sparse Ranking

PAMI 2015 Source code available at: http://www.micc.unifi.it/lisanti/source-code/re-id/本文提出了一种简单有效的行人检索。基于 sparse basis expansions，做了一定改进，使得可以对搜索到的图像进行排序。提出的特征也比较简单有效，对于光照和姿态变化的影响不大。测试结果比较好。3 Weighted

2015-11-19 11:24:34 1793 2

翻译车辆检测“Integrating Context and Occlusion for Car Detection by Hierarchical And-Or Model”

sczhu课题组的文章： http://www.stat.ucla.edu/~boli/projects/context_occlusion/context_occlusion.html主要思路 And-Or模型结合上下文及遮挡信息用于车辆检测，And-Or模型在三个层次上描述car-to-car上下文及遮挡信息，（1）N个car之间的空间布局，（2）单个car不同的遮挡结构，（3）part。

2015-11-18 16:40:12 2463 2

原创 Multi-Task Learning with Low Rank Attribute Embedding for Person Re-identification

ICCV 2015http://www.umiacs.umd.edu/~fyang/mtl-lorae.htmlPerson Re-identification 方面的文献，本文主要引入了 person attributes correlation 即人的一些属性具有相关性，利用这些相关性来进行人的检索。Our contributions： 1）针对 Person Re-identificatio

2015-11-18 13:47:02 2223 2

翻译 Data-Driven 3D Voxel Patterns for Object Category Recognition

CVPR2015 http://cvgl.stanford.edu/projects/3DVP/本文主要使用三维像素特征来检测图像中的车辆，三维模型检测车辆的优势是可以获得额外的信息：高度、遮挡、3D姿态等。首先来看看我们的3D Voxel Patterns 是什么？本文算法流程如下：训练阶段：首先将3D CAD模型与图像对齐，提取得到 3D voxel exemplars, 然后得到 3D

2015-11-17 14:59:17 2290

原创人脸识别“DeepID”

DeepID的网络结构如下，网络最后一层获取的特征维数是160，用于分类超过10000类人脸身份，串联从不同人脸patch获取的DeepID特征，特征可以使用Joint Bayesian分类： Deep ConvNets 网络结构如下，DeepID最后一层与第三第四卷积层全连接，以减少第四层可能存在的信息损失。网络的输出是softmax预测n个身份的概率：特征提取之前进行人脸矫正，使用五

2015-11-17 14:53:49 1609

原创行人检索 Partial Person Re-identification ICCV2015

行人检索问题是一个很难得问题，而局部行人检索问题则更加的困难。目前大部分文献都关注整体行人检索，没有考虑遮挡问题。局部行人检索问题如下图所示：下图所示为我们实际中的检索图像，以及我们手工框出来的输入图像，及对应的库中的图像。针对局部行人检索问题，我们提出以下框架来解决：首先是局部对局部进行匹配，然后再进行整体对局部进行匹配。3.1. Local-to-Local Matching

2015-11-17 10:48:21 3926

原创论文提要 Deep Face Recognition

本文是关于深度人脸识别，British Machine Vision Conference, 2015 Visual Geometry Group Department of Engineering Science University of Oxford VGG网络提出的那帮家伙开源代码 http://www.robots.ox.ac.uk/~vgg/software/vgg_face/本

2015-11-16 17:22:35 4749 3

原创行人检索"Deep Ranking for Person Re-identification via Joint Representation Learning"

检索的原则：与被检索图像正确匹配的图像应在整个检索库中排名靠前。提出了一个排名模型，使用深度CNN构建输入图像对于相似度得分之间的关系。在训练阶段，将标记的数据放到ranking units中，每个包含一个probe和对应的检索集。深度网络学习这么一个关系：为正确的匹配分配最高的相似度得分。相关研究： A.行人检索设计的特征：Ensemble of Localized Features (EL

2015-11-16 15:38:09 3491

原创行人检索“An Improved Deep Learning Architecture for Person Re-Identification”

做行人检索的文章，输入是一对图像，网络输出这对图像的相似度值，新引入的网络层包括跨输入邻域差值层，根据图像对的卷积特征图计算局部关联，之后使用加和特征对输出特征图的邻域进行加和，最后计算远距离像素点的关联性。检索包括两部分，特征提取和特征相似度衡量。传统的特征提取方法：颜色直方图，LBP，Gabor，local patch。相似度度量：M氏距离，LFDA，MFA。网络架构：two layer

2015-11-13 13:52:57 6232 10

原创 3D ShapeNets

主页:http://vision.princeton.edu/projects/2014/3DShapeNets/提要：使用CAD数据作为训练数据，使用卷积DBN网络构建了一个3D ShapeNets，对Kinect传感器获取的2.5D深度图进行目标识别和复原全3D形状。3D shapeNets 将3D形状表示为3D voxel 网格二值变量的概率分布，作者构造了一个卷积DBN，学习输入x和lab

2015-11-12 12:39:48 6961 1

原创行人检测“Joint Deep Learning for Pedestrian Detection”

动机：行人检测中的特征提取，形变处理，遮挡处理和分类联合学习。深度网络可以将各部分放到不同的网络层并使用BP进行优化。相关工作：用于行人检测的特征：Haar,HOG,SIFT,一阶颜色特征如颜色直方图，二阶颜色特征如CSS,co-occurence特征，纹理特征LBP，其他形式的特征包括协方差，深度图，分割结果，3D几何，深度学习局部最大或平均池化特征。这些特征没有考虑行人的形变特征。处理形

2015-11-06 14:24:04 2906

原创 DeepID-Net:multi-stage and deformable deep CNNs for object detection

论文贡献： 1.融合多种技术进行目标检测：feature representation learning, part deformation learning, sub-box feature extraction, context modeling, model averaging, and bounding box location refinement 2.预训练方法：使用1000类ob

2015-11-02 17:01:04 1911

cv_family_z的博客