Deutsch
 
Hilfe Datenschutzhinweis Impressum
  DetailsucheBrowse

Datensatz

DATENSATZ AKTIONENEXPORT
Zur Ablage hinzufügen
 Lokale TagsFreigabegeschichteDetailsÜbersicht
  Learning Smooth Pooling Regions for Visual Recognition

Malinowski, M., & Fritz, M. (2013). Learning Smooth Pooling Regions for Visual Recognition. In T. Burghardt, D. Damen, W. Mayol-Cuevas, & M. Mirmehdi (Eds.), Electronic Proceedings of the British Machine Vision Conference 2013 (pp. 1-11). Durham: BMVA Press. doi:10.5244/C.27.118.

Item is

 

einblenden: alle ausblenden: alle

Basisdaten

einblenden: ausblenden:
Datensatz-Permalink: https://hdl.handle.net/11858/00-001M-0000-0018-0C60-C Versions-Permalink: https://hdl.handle.net/11858/00-001M-0000-0024-A214-D
Genre: Konferenzbeitrag

Dateien

einblenden: Dateien
ausblenden: Dateien
:
paper0118.pdf (beliebiger Volltext), 251KB
Öffnen   Speichern
Datei-Permalink:
https://hdl.handle.net/11858/00-001M-0000-0018-0CC3-C
Name:
paper0118.pdf
Beschreibung:
-
OA-Status:
Sichtbarkeit:
Öffentlich
MIME-Typ / Prüfsumme:
application/pdf / [MD5]
Technische Metadaten:
Öffnen
Copyright Datum:
2013
Copyright Info:
The copyright of this document resides with its authors. It may be distributed unchanged freely in print or electronic forms.
Lizenz:
-

Externe Referenzen

einblenden:

Urheber

einblenden:
ausblenden:
 Urheber:
Malinowski, Mateusz1, Autor           
Fritz, Mario1, Autor           
Affiliations:
1Computer Vision and Multimodal Computing, MPI for Informatics, Max Planck Society, ou_1116547              

Inhalt

einblenden:
ausblenden:
Schlagwörter: -
 Zusammenfassung: From the early HMAX model to Spatial Pyramid Matching, spatial pooling has played an important role in visual recognition pipelines. By aggregating local statistics, it equips the recognition pipelines with a certain degree of robustness to translation and deformation yet preserving spatial information. Despite of its predominance in current recognition systems, we have seen little progress to fully adapt the pooling strategy to the task at hand. In this paper, we propose a flexible parameterization of the spatial pooling step and learn the pooling regions together with the classifier. We investigate a smoothness regularization term that in conjuncture with an efficient learning scheme makes learning scalable. Our framework can work with both popular pooling operators: sum-pooling and max-pooling. Finally, we show benefits of our approach for object recognition tasks based on visual words and higher level event recognition tasks based on object-bank features. In both cases, we improve over the hand-crafted spatial pooling step showing the importance of its adaptation to the task.

Details

einblenden:
ausblenden:
Sprache(n): eng - English
 Datum: 2013
 Publikationsstatus: Online veröffentlicht
 Seiten: -
 Ort, Verlag, Ausgabe: -
 Inhaltsverzeichnis: -
 Art der Begutachtung: -
 Identifikatoren: BibTex Citekey: 757
DOI: 10.5244/C.27.118
 Art des Abschluß: -

Veranstaltung

einblenden:
ausblenden:
Titel: 24th British Machine Vision Conference
Veranstaltungsort: Bristol, UK
Start-/Enddatum: 2013-09-09 - 2013-09-13

Entscheidung

einblenden:

Projektinformation

einblenden:

Quelle 1

einblenden:
ausblenden:
Titel: Electronic Proceedings of the British Machine Vision Conference 2013
  Kurztitel : BMVC 2013
Genre der Quelle: Konferenzband
 Urheber:
Burghardt, Tilo1, Herausgeber
Damen, Dima1, Herausgeber
Mayol-Cuevas, Walterio1, Herausgeber
Mirmehdi, Majid1, Herausgeber
Affiliations:
1 External Organizations, ou_persistent22            
Ort, Verlag, Ausgabe: Durham : BMVA Press
Seiten: - Band / Heft: - Artikelnummer: 118 Start- / Endseite: 1 - 11 Identifikator: -