从整体和部分中识别行动与属性

Dec, 2014

Actions and Attributes from Wholes and Parts

Georgia Gkioxari, Ross Girshick, Jitendra Malik

TL;DR通过开发深度 Poselets 的部分检测器，我们设计了一种基于部分的方法，用于 Action 和属性分类的任务，并通过训练综合卷积神经网络，证明了添加身体部位对于两个任务都能带来最好的结果。

Abstract

We investigate the importance of parts for the tasks of action and attribute classification. We develop a part-based approach by leveraging convolutional network features inspired by recent advances in computer vision. Our part detectors are a deep version of poselets and capture parts

part-based approach convolutional neural networks action classification attribute classification deep poselets

发现论文，激发创造

自适应部件的属性识别

本文提出了一种端到端的深度学习方法，通过关键点生成对象部件并进行属性识别，采用多任务学习，实现对象部件和属性识别的联合优化，从而克服了以往基于部件的属性识别方法中存在的部件优化不足的问题，并在两个数据集上进行了广泛的实验验证了该方法的有效性。

Jul, 2016

基于姿势对齐的深度属性建模网络（PANDA）

本文提出了一种结合基于部分模型和深度学习的姿势归一化卷积神经网络方法，以有效地从人物图片中推断人的属性，包括性别、发型、衣着风格、表情和动作，并且在限制条件下，该方法比目前最佳的基于部分模型和全身边框的 CNN 训练方法表现更好。

Nov, 2013

人物再识别中的属性辅助部位检测与细化

本文介绍了一种新的人物属性检测方法，利用属性检测来生成相应的局部检测器，提取局部特征来解决人物再识别中的身体部分不对齐问题，并将属性信息与局部描述符相结合以消除检测偏差带来的干扰。该模型在两种常用基准测试上表现良好。

Feb, 2019

使用语义身体部位行为的单张图像动作识别

本篇论文提出一种基于语义身体部位行为的新型单张图片行为识别算法，通过给人体的五个部位（头部，躯干，臂部，手和腿）定义不同语义的部位行动来识别人体动作，并且通过串联局部行动预测出整个身体的行动，最终在 PASCAL VOC 2012 和 Stanford-40 两个数据集上，相比 State-of-the-art 的准确率分别提高了 3.8% 和 2.6%。

Dec, 2016

无备件：共享零件探测器进行图像分类

该研究旨在使用独特部分的表征方法对图像进行分类，通过对选定部分的回溯分析表明，除了类别部分以外，来自背景上下文和其他图像类别的部分也可以提高分类性能。为了实现部分在所有类别之间的共享和优化，提出了一种基于 AdaBoost 的算法来共同优化部分共享、选择以及与全局图像表征的融合。实验表明该方法具有与深度卷积神经网络相媲美的分类效果。

Oct, 2015

深度姿态姿势特征用于人体检测

本文通过基于 poselets 的部分方法解决了在自然场景中检测人的问题，并使用 bootstrapping 方法收集了数以百万计的弱标记示例来训练卷积神经网络以区分不同的 poselet 类型和背景类。通过训练 poselet 模型来识别人并有效地预测边界框，其效果在 PASCAL 数据集上达到了最先进的水平。

Jul, 2014

使用整体模型和身体部位检测和表示对象

我们提出了一种新的方法来处理大形变、遮挡和低分辨率，并通过使用全连接模型来对整体目标和动物身体部位的模板进行排列，以更好地处理由形变、遮挡和 / 或低分辨率造成的不同 “可检测性” 模式，并在动物类别上验证其有效性。

Jun, 2014

深度卷积神经网络中的零件检测器发现

本文提出了一种基于预训练卷积神经网络的物体部位发现和定位方法 PDD，通过分析网络输出的梯度映射并找到与语义部分或边界框有空间关系的激活中心，实现对 CUB200-2011 数据集进行优秀的监测和分类性能，同时不需要在测试期间给定边界框或计算真假部分。

Nov, 2014

图像分类部件自动发现与优化

本论文介绍了一种可学习的基于特征组的图像分类方法，通过联合学习图像分类器和一组共享的部分来实现，避免了使用引擎启发式算法的过程，并引入了负部分的概念来补足其他方法只寻找正相关性的缺陷。

Dec, 2014

姿态估计与动作检测的 R-CNNs

利用卷积神经网络进行人体姿态关键点预测和动作分类的研究，在解决过程中采用一种基于任务损失函数的方法，在 PASCAL VOC 数据集上评估方法并与之前领先的方法进行比较，结果表明我们的方法在关键点和动作预测方面达到了最先进的水平；此外，我们还引入了一个新的动作检测数据集，并使用我们的方法进行了结果展示。

Jun, 2014