日本語
 
Help Privacy Policy ポリシー/免責事項
  詳細検索ブラウズ

アイテム詳細

登録内容を編集ファイル形式で保存
 
 
ダウンロード電子メール
 タグ情報を表示リリース履歴を表示詳細要約
  Branch&Rank: Non-linear Object Detection

Lehmann, A., Gehler, P., & Van Gool, L. (2011). Branch&Rank: Non-linear Object Detection. In J., Hoey, S., McKenna, & E., Trucco (Eds.), Proceedings of the British Machine Vision Conference 2011 (pp. 8.1-8.11). Malvern, UK: BMVA Press. doi:10.5244/C.25.8.

Item is

 

表示: 全項目 非表示: 全項目

基本情報

表示: 非表示:
アイテムのパーマリンク: https://hdl.handle.net/11858/00-001M-0000-0010-12CE-C 版のパーマリンク: https://hdl.handle.net/11858/00-001M-0000-0024-12B2-C
資料種別: 会議論文
LaTeX : {Branch\&Rank}: Non-linear Object Detection

ファイル

表示: ファイル

関連URL

表示:

作成者

表示:
非表示:
 作成者:
Lehmann, Alain1, 著者
Gehler, Peter2, 著者           
Van Gool, Luc1, 著者
所属:
1External Organizations, ou_persistent22              
2Computer Vision and Multimodal Computing, MPI for Informatics, Max Planck Society, ou_1116547              

内容説明

表示:
非表示:
キーワード: -
 要旨: Branch&rank is an object detection scheme that overcomes the inherent limitation of branch&bound: this method works with arbitrary (classifier) functions whereas tight bounds exist only for simple functions. Objects are usually detected with less than 100 classifier evaluation, which paves the way for using strong (and thus costly) classifiers: We utilize non-linear SVMs with RBF- 2 kernels without a cascade-like approximation. Our approach features three key components: a ranking function that operates on sets of hypotheses and a grouping of these into different tasks. Detection efficiency results from adaptively sub-dividing the object search space into decreasingly smaller sets. This is inherited from branch&bound, while the ranking function supersedes a tight bound which is often unavailable (except for too simple function classes). The grouping makes the system effective: it separates image classification from object recognition, yet combines them in a single, structured SVM formulation. A novel aspect of branch&rank is that a better ranking function is expected to decrease the number of classifier calls during detection. We demonstrate the algorithmic properties using the VOC'07 dataset.

資料詳細

表示:
非表示:
言語: eng - English
 日付: 20112011
 出版の状態: 出版
 ページ: -
 出版情報: -
 目次: -
 査読: -
 識別子（DOI, ISBNなど）: eDoc: 618788
BibTex参照ID: 526
DOI: 10.5244/C.25.8
URI: http://dx.doi.org/10.5244/C.25.8
その他: Local-ID: C12576EE0048963A-C578EB50E10A203DC12579640041092D-Gehler2010
 学位: -

関連イベント

表示:
非表示:
イベント名: 2011 British Machine Vision Conference
開催地: Dundee, Scotland
開始日・終了日: 2011-08-29 - 2011-09-02

訴訟

表示:

Project information

表示:

出版物 1

表示:
非表示:
出版物名: Proceedings of the British Machine Vision Conference 2011
  省略形 : BMVC 2011
種別: 会議論文集
 著者・編者:
Hoey, Jesse1, 編集者
McKenna, Stephen1, 編集者
Trucco, Emanuele1, 編集者
所属:
1 External Organizations, ou_persistent22            
出版社, 出版地: Malvern, UK : BMVA Press
ページ: - 巻号: - 通巻号: - 開始・終了ページ: 8.1 - 8.11 識別子（ISBN, ISSN, DOIなど）: ISBN: 1-901725-43-X