Unsupervised Template Learning for Fine-Grained Object Recognition(精读)

一.文献名字和作者

     Unsupervised Template Learning for Fine-Grained Object Recognition，

   

二.阅读时间

    2014年12月10日

三.文献的目的

    解决细粒度分类问题中，如何找到包含有细粒度差异的有相同形状的物体块在不同图像上面的图像区域的问题。主要做法是通过非监督的模板匹配方法进行的。

四.文献的贡献点

    作者将细粒度物体识别划分为两个子问题：1.匹配到包含有相同物体区域的图像块；2.从第一步中找到的图像区域进行特征提取。文章主要集中在第一个问题上面。

    作者提出了一个非监督的模板匹配方法，该方法不仅能够捕捉到模板的属性，也能捕捉到不同模板之间的关系，这个模型的参数都是通过非监督的方式学习到的。

4.1 模板模型

    定义M={T,W}表示一个包含有K个模板T={T1,T2,...,Tk}个模板和K*K个模板间的同时出现关系W={w11,w12,...,wkk}，wij的值在0到1之间，当wij=0时，表示目标Ti和Tj没有同时发生的关系。

    当将模板模型用于一张图片的匹配的时候，并不是所有的模板都会出现。

    对于模板和给定图片之间的得分关系，可以用下面三个部分来计算：1.fitness，用于计算选择的目标和图像区域之间的相似关系；2.co-occurrence，强迫选择到的模板拥有高的概率出现在同一张图片中；3.diversity，用于强迫能与模板匹配的图像块之间的距离不至于太小。

    在模板匹配过程中，使用的是Berkeley edge detector来进行图像的边缘检测，然后将边缘图像作为黑白图像进行颜色核描述进行特征提取。

4.2 学习过程

五.使用的数据库

     Caltech-UCSD Bird200，Stanford Dogs

六.实验结果

版权所有，欢迎转载，转载请注明出处，谢谢