基于形狀與語義建模的物體識(shí)別.pdf

1、本文從形狀建模角度出發(fā)，研究在形狀空間上使用語法模型，對(duì)通用物體分類識(shí)別的能力。其中采用了基于與或圖的隨機(jī)圖像語法模型，以此指導(dǎo)對(duì)形狀物體的理解、分解、學(xué)習(xí)、采樣。
　　 針對(duì)形狀的匹配計(jì)算，本文提出一種分層的圖形匹配算法，通過在子圖分割與匹配的同時(shí)迭代采樣，來兼顧匹配速度與準(zhǔn)確性，并具有較好的抗背景干擾能力?？捎糜谧皂斚蛳碌奈矬w識(shí)別匹配驗(yàn)證。
　　 針對(duì)物體局部的結(jié)構(gòu)性信息，顯式定義了圖形基元結(jié)構(gòu)，提出了圖形基元的檢測(cè)

2、模型與算法，根據(jù)稀疏編碼原理，學(xué)習(xí)出14種單一基元與20種復(fù)合基元作為編碼字典，用于自底向上的判別式分類。
　　 基于與或圖模型，本文提出了一個(gè)同時(shí)結(jié)合自底向上與自頂向下兩個(gè)計(jì)算方向的級(jí)聯(lián)式判別分類計(jì)算框架。首先，通過學(xué)習(xí)與或圖，針對(duì)各物體類別的形狀模板，在SCFG/MRF 約束下進(jìn)行重采樣，獲得手工收集的數(shù)據(jù)中不曾出現(xiàn)的具有新外形的產(chǎn)生式樣本，從而更均勻、更好地反映本類物體流形；
　　 其次，利用產(chǎn)生式模板構(gòu)成的訓(xùn)練集

3、，學(xué)習(xí)出各類物體在34種圖形基元構(gòu)成的編碼字典上的分布；第三，以圖形基元的分布為基礎(chǔ)，級(jí)聯(lián)多步自底向上判別式分類方法，每一步保持較低的棄真率的同時(shí)，盡量把錯(cuò)誤的候選集排除掉，實(shí)現(xiàn)對(duì)大量候選集的快速篩選；最后，對(duì)剩余的少量候選集采用圖匹配計(jì)算驗(yàn)證，獲取最終識(shí)別結(jié)果。實(shí)驗(yàn)表明，這種方式能夠在識(shí)別的速度與準(zhǔn)確性上同時(shí)取得好的效果本文最后介紹了基于與或圖模型與相應(yīng)數(shù)據(jù)集構(gòu)建的、能夠存儲(chǔ)、表達(dá)復(fù)雜視覺知識(shí)模型的數(shù)據(jù)庫，第一次在圖像數(shù)據(jù)庫中完整表達(dá)