タイトル長いw>"Unsupervised Object Discovery and Localization in the Wild: Part-based Matching with Bottom-up Region Proposals" #cvsaisentan
2015-07-25 13:36:01タイトルはUnsupervised Object Discovery and Localization in the Wild: Part-based Matching with Bottom-up Region Proposals #cvsaisentan
2015-07-25 13:36:15@kantocv こっそり一人勉強会を開いていた。すげー。 #cvsaisentan
2015-07-25 13:38:22CVPR 2015 論文紹介(NTT研究所内勉強会用資料) slideshare.net/YoshitakaUshik… @SlideShareさんから
2015-07-25 13:38:41.@losnuevetoros さんの一人CVPR読み会資料 @sakanazensen: slideshare.net/YoshitakaUshik… #cvsaisentan
2015-07-25 13:39:33@kantocv 一万枚やると、嫌になる。 そりゃ嫌になるわ。 #cvsaisentan
2015-07-25 13:39:41@kantocv コアラの語源って「水を飲まない」だったんだ!知らなかった! #cvsaisentan
2015-07-25 13:40:51@kantocv カンガルーは原住民の言葉で「分からない」という意味。 #どうでもいい #cvsaisentan
2015-07-25 13:41:19@kantocv ラベル情報を一切あたえないで、同一物体の岩けや位置の把握ができるか?というテーマ。面白い。 #cvsaisentan
2015-07-25 13:41:47@kantocv 類似した画像を検索。ここには新規性はない。GIST特徴量とか使う。 #cvsaisentan
2015-07-25 13:45:57@kantocv 入力画像との類似した場所のマッチング。候補領域をまず大量に抽出し、それぞれのHOGディスクリプタの内容、座標、近隣のマッチングスコアを計算。 #cvsaisentan
2015-07-25 13:46:45類似画像の探索自体はGISTとか。入力画像と類似画像sとのマッチングでは候補領域を10^3枚単位で出して(これは既存手法。objectnessとかかな?)、それぞれに対して画像特徴(HOG)と位置情報と近隣のマッチング結果などをベースに。 #cvsaisentan
2015-07-25 13:47:19@kantocv 前景位置推定。信頼度の高い領域を出せば良いのだが、それだと全体をかこむのにはよろしくない。 #cvsaisentan
2015-07-25 13:49:04@kantocv なので、一番信頼度が急激に変動するあたりが一番タイトにオブジェクトを囲っているのではないか、という仮説。 #cvsaisentan
2015-07-25 13:49:26@kantocv 一番急激に変わる位置ってのは、SIFT の DoG を使うあたりで、似たアプローチで対象領域を抽出していましたね。 #cvsaisentan
2015-07-25 13:50:01@kantocv 「式を一切出さない、ゆるふわ系の発表でしたが」 始まった。私が一番ゆるふわ競争。 #cvsaisentan
2015-07-25 13:50:53@tomoaki_teshima あれは、位置じゃなくて、スケールを推定する時に使ってたんだっけな? #cvsaisentan
2015-07-25 13:51:52