کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
4969705 | 1449981 | 2017 | 22 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Spectral attribute learning for visual regression
ترجمه فارسی عنوان
یادگیری طیفی برای رگرسیون بصری
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تخمین سن صورت، شمارش جمعیت، ارزیابی سر یادگیری طیفی، ویژگی های، پسرفت،
ترجمه چکیده
تعدادی از مشکلات بینایی کامپیوتر مانند تخمین سن، شمارش جمعیت و برآورد پوسته می تواند با استفاده از نقشه برداری رگرسیون یادگیرنده در خصوص ویژگی های تصویری پایین سطح حل شود. ما نشان می دهیم که رگرسیون بصری می تواند به طور قابل ملاحظه ای با رگرسیون دو مرحله ای بهبود یابد که در آن ویژگی های تصویری برای اولین بار به یک فضای مشخصه که به طور صریح همبستگی های پنهان در خروجی مداوم در حال تغییر است، طراحی شده است. ما یک رویکرد به طور خودکار کشف ویژگی های طیفی پیشنهاد می کنیم؟ که از کار دستی که برای تعریف بازنویسی صفت دست ساخته شده اجتناب می کند. رگرسیون ویژگی ویژوال از رگرسیون بصری مستقیم بهتر است و رگرسیون بصری ویژگی طیفی ما به بهترین وجه در چندین برنامه کاربردی به دست می آید.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
A number of computer vision problems such as facial age estimation, crowd counting and pose estimation can be solved by learning regression mapping on low-level imagery features. We show that visual regression can be substantially improved by two-stage regression where imagery features are first mapped to an attribute space which explicitly models latent correlations across continuously-changing output. We propose an approach to automatically discover “spectral attributes” which avoids manual work required for defining hand-crafted attribute representations. Visual attribute regression outperforms direct visual regression and our spectral attribute visual regression achieves state-of-the-art accuracy in multiple applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 66, June 2017, Pages 74-81
Journal: Pattern Recognition - Volume 66, June 2017, Pages 74-81
نویسندگان
Ke Chen, Kui Jia, Zhaoxiang Zhang, Joni-Kristian Kämäräinen,