弱监督任意姿态人体检测

摘要：

困难姿态(多视角或者任意姿态)下的弱监督人体检测问题被关注研究.现在大部分人体检测仅仅关注普通的直立姿态,但现实中的人体却呈现非常丰富的姿态(如弯曲的、躺着的、坐着的),这不仅加大了人体检测的难度,而且令标注工作更加困难,实际中通常只能获得弱标注样本.多示例学习方法放松了精准标注的要求,因此常常被用来解决此类问题.但是多示例学习对正示例的质量以及一些模型参数设置相当敏感,例如将示例层次条件概率融合到包层次的策略.在Pascal VOC 2007的人类数据集上对这些重要但很少被关注的问题进行了综合性深度研究,并提出了一种新的选择性弱监督检测算法(selective weakly supervised detection,SWSD).实验证明,只要添加少量的监督样本,在多示例学习框架下,可以大幅度提高弱监督人体检测性能.

关键词：弱监督、人体检测、任意姿态、多示例学习

所属期刊栏目：11

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant No.61373060

在线出版日期：2017-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：587-598