Sep, 2015

基于 And-Or 图的在线物体跟踪、学习和解析

PDF
TL;DR本文介绍了一种名为 AOGTracker 的方法，用于在视频序列中同时跟踪，学习和解析（TLP）未知对象，使用分层和组合的 And-Or 图（AOG）表示方法。通过在线学习，使用潜在 SVM 来磨练 AOg 并解决背景中的干扰问题。通过实验表明，与现有算法相比，AOGTracker 具有更高的准确性和可靠性。
aogtrackersimultaneous trackinglearning and parsinghierarchical and compositional and-or graph (aog) representationonline learning
发现论文，激发创造
  • 基于 And-Or 图表示的神经任务规划

    本文提出了使用长短时记忆网络和知识与或图来解决语义任务规划问题，通过训练辅助 LSTM 网络，可以产生很多有效的样本，进而提高模型的训练效果，实验证明该方法对于解决日常任务规划问题有很好的效果。

    Aug, 2018

  • 跨视角动作建模、学习和识别

    提出了一种新的多视角空间 - 时间 AND-OR 图表示方法，它能在未知视角下从 2D 视频输入中识别出跨视角动作，并通过基于 Kinect 相机获得 3D 人体骨骼数据进行训练，有效提高了在 2D 视频上的跨视角动作识别准确性和鲁棒性。

    May, 2014

  • 用因果与或图模型进行可见性流畅推理以追踪交互对象

    本文介绍了一种基于因果关系的可见性模型，可通过概率图模型进行联合推理，从而实现追踪复杂场景中的人物及其能见度变化，并在具有频繁人类交互的场景中，比其他方法更好地恢复了人的完整轨迹。

    Sep, 2017

  • 物体形状建模和检测的动态与或图学习

    本文介绍了一种新的基于判别式局部模型的 And-Or 图方法来表示和识别目标形状，该方法克服了困难的背景环境和大量的形态变化，并且不需要太多的监督和初始化。

    Feb, 2015

  • ECCV-TAO-2020 冠军解决方案：检测并表示任何跟踪对象

    该研究通过跟踪任意对象的任务，扩展了经典的 “跟踪 - 检测” 方法，采用多种技术结合实现了更好的检测和特征表示，并应用简单的链接策略和关联模块生成最终的跟踪结果。

    Jan, 2021

  • 基于轨迹预测的自适应图跟踪

    提出了一个多目标跟踪的准确的端到端学习框架，其中采用了运动预测重新提取了当前帧的跟踪器的特征， 基于自适应图神经网络将位置、外观和历史信息融合，并在训练中使用平衡的 MSE LOSS 来克服非平衡的样本。实验表明，该方法在 MOT16 和 MOT17 竞赛中均达到了 76.5％和 76.2％的 MOTA 的最先进水平。

    Oct, 2020

  • 深度学习的组合文法架构：AOGNets

    该论文提出了一种称为 AOGNets 的深度组合语法架构来改进深度神经网络的性能，并在多项基准测试中比 ResNet 等其他模型表现更好，并且在网络分析方面也具有更好的潜力。

    Nov, 2017

  • 以辨别训练为基础的 And-Or 图模型用于物体形状检测

    通过研究一种新型的可重构部件玩具模型 ——And-Or 图模型，在图像中识别物体形状。我们提出了一种新颖的结构优化算法来训练 And-Or 模型。在多个具有挑战性的数据集上，我们的模型表现出有效鲁棒的对象检测性能，并超越了其他最先进方法。

    Feb, 2015

  • 双向时序图的目标感知聚合用于视频字幕生成

    本文提出了一种新的视频字幕生成方法 OA-BTG，该方法利用基于目标感知聚合和双向时间图 (OA-BTG) 来捕捉视频中显著目标的详细时间动态，从而学习具有区分性的时空表示。实验表明 OA-BTG 在 BLEU@4、METEOR 和 CIDEr 指标上达到了最先进的性能。

    Jun, 2019

  • 使用 And-Or 模型表达上下文与遮挡以进行汽车检测和观点估计

    本文提出了一种基于 And-Or 模型的学习方法，用于表示汽车检测和视点估计中的上下文和遮挡，并且是一种弱监督的学习方法。通过三个层次来表示汽车之间的上下文和遮挡配置，并且采用动态规划算法进行推理。该方法在四个汽车检测数据集和三个汽车视点估计数据集上与现有的方法相比，均获得了显著的改善结果。

    Jan, 2015