译文ADiscriminativelyTrained,Multiscale,DeformablePartModel解读.doc

A Discriminatively Trained, Multiscale, Deformable Part Model 判别训练的多尺度可变形部件模型 Pedro.Felzenszwalb，David.McAllester，Deva.Ramanan ?摘要 ?????? 本文介绍了一种用于目标检测的判别训练的多尺度可变形部件模型。我们的系统在平均精度上达到了2006 PASCAL 人体检测竞赛中最优结果的两倍，同样比2007 PASCAL目标检测比赛中20个类别中的10个的最优结果都要好。此系统非常依赖于可变形部件模型。随着可变形部件模型逐渐流行，它的价值并没有在类似 PASCAL的较难的数据集上被展示。我们的系统还依赖于判别训练的新方法。我们将一种挖掘难例(Hard Negative Example)的间隔敏感方法与隐藏变量SVM(Latent variable SVM)结合在一起。隐藏SVM类似于隐藏条件随机场(Hidden CRF)问题，最终是一个非凸规划的训练问题。隐藏SVM是半凸规划(semi-convex)问题，但是一旦将隐藏信息指明给正样本，则训练问题变为凸 规划问题。我们相信我们的训练方法最终可以利用更多的隐藏信息，例如层次(grammar)模型以及包含隐式三维姿态的模型。 ?????? ?????? 我们所研究的是在静态图片中的某类目标(例如人、车)的检测和定