Readspeaker Menü

Part Discovery

How to learn distinctive object parts?

Marcel Simon, Alexander Freytag, Erik Rodner, and Joachim Denzler


Motivation

Aktuelle Verfahren im Bereich Fine-Grained Recognition nutzen manuell annotierte Objektteile für die Klassifikation. Jedoch sind diese semantischen Objektteile nicht notwendigerweise die besten zur Unterscheidung der verschiedenen Objektklassen. Zudem liegen bei den meisten Problemstellungen keine Part-Informationen vor, so dass die Verfahren im Bereich Fine-Grained Recognition nicht direkt anwendbar sind. Im Bereich Part Discovery ist es daher unser Ziel, Verfahren zum unüberwachten Finden von diskriminativen Objektteilen zu untersuchen. Dadurch können sowohl die Erkennungsraten in Fine-Grained-Aufgaben verbessert werden als auch das Wissen aus diesem Bereich in anderen Bereichen genutzt werden.


Part-Detektoren von CNNs

  Website-Topic-Teaser

[Simon14:PDD]

Marcel Simon and Erik Rodner and Joachim Denzler.  Part Detector Discovery in Deep Convolutional Neural Networks. Asian Conference on Computer Vision (ACCV). 2014. accepted for publication [pdf] [bib][code]

[Simon14:PLE]

Marcel Simon and Erik Rodner and Joachim Denzler.  Part Localization by Exploiting Deep Convolutional Networks. ECCV Workshop on Parts and Attributes. 2014. [pdf] [bib][code]

Exemplar-specific Part Discovery


  Exemplar-specific Patch Features for Fine-grained Recognition

[Freytag14:ESP]

Alexander Freytag and Erik Rodner and Trevor Darrell and Joachim Denzler. Exemplar-specific Patch Features for Fine-grained Recognition. German Conference on Pattern Recognition (GCPR). 2014.144--156. (Oral). [pdf] [bib][code]

[Freytag14:BFF]

Alexander Freytag and Erik Rodner and Joachim Denzler. Birds of a Feather Flock Together - Local Learning of Mid-level Representations for Fine-grained Recognition. ECCV Workshop on Parts and Attributes. 2014. [pdf] [bib][code]