用结构式学习预测姿势及衣服属性

摘要

在这篇论文中,我们使用了结构式学习的框架对于两个有内在关联的问题进行联合推理,一个问题是人物姿势识别,另一个问题是衣服属性分析。解决这两个问题对于计算机视觉和多媒体领域中的很多问题都具有重大的意义,比如动作识别、服饰搜索等。我们的工作与之前的工作的不同之处在于,我们在一个统一的框架之下对这两个问题建模并得出联合的最优解。
　　为此,我们首先对于每张图片进行预处理,使得每个人物部位的候选项个数在一个可控制的范围内。通过这步预处理,我们的问题可以自然的使用结构式学习框架来求解。在这个框架下,我们的输入是所有人体部位的候选项集,我们的输出是正确的人物部位以及人物的衣服属性,并且在结构式学习的框架下,我们可以灵活的设计联合特征来描述人物的姿势、衣服以及它们之间的联系。同时,我们还引入了“强边缘”这一信息,使得我们的特征对于人物姿势的描述更加准确。这一信息可以作为能量函数,无缝的嵌入到我们原先的结构式学习模型中。我们的参数的学习使用了结构式支持向量机完成。在以往的工作中,大家对于分别求解两个问题都假定问题满足树结构,这样可以使得求解非常高效。但是现在我们对于两个问题同时建模,破坏了树结构的假设,为此,我们提出了一种迭代求解的方法,在每一次的迭代过程中,人物的姿势或者衣服的属性都是固定的,从而问题可以归约成一个树模型的求解过程,使得每一轮求解可以使用动态规划法进行高效的求解。
　　我们在两个经典的数据集上用实验验证,这样求得的近似解已经非常的准确,超过了以往所有的方法。

目录

封面

声明

中文摘要

英文摘要

目录

表格索引

插图索引

第一章 问题背景和相关工作

1.1 人物姿势估计

1.2 服饰分析

1.3 人物姿势与服饰属性识别

1.4 动机和贡献

1.5 论文概览

第二章 模型构建和联合特征

2.1 问题建模

2.2 联合特征

2.3 强边缘

第三章 模型学习和推理

3.1 模型学习

3.2 模型推理

第四章 实验

4.1 实验设定

4.2 实验结果和分析

4.3 本章小结

第五章 结论以及未来工作的展望

参考文献

致谢

攻读学位期间发表的学术论文目录