Per citar aquest document:
Class Specific Object Recognition using Kernel Gibbs Distributions
Caputo, Barbara (Idiap Research Institute (Martigny, Suïssa))

Data: 2008
Resum: Feature selection is crucial for effective object recognition. The subject has been vastly investigated in the literature, with approaches spanning from heuristic choices to statistical methods, to integration of multiple cues. For all these techniques the final result is a common feature representation for all the considered object classes. In this paper we take a completely different approach, using class specific features. Our method consists of a probabilistic classifier that allows us to use separate feature vectors, selected specifically for each class. We obtain this result by extending previous work on Class Specific Classifiers and Kernel Gibbs distributions. The resulting method, that we call Kernel-Class Specific Classifier, allows us to use a different kernel for each object class by learning it. We present experiments of increasing level of difficulty, showing the power of our approach.
Drets: Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades. Creative Commons
Llengua: Anglès.
Document: article ; recerca ; publishedVersion
Matèria: Reconeixement d'objectes ; Visió Artificial ; Anàlisi estadística de patrons ; Reconocimiento de objetos ; Visión Artificial ; Análisis estadístico de patrones ; Object recognition ; Machine vision ; Statistical pattern analysis
Publicat a: ELCVIA : Electronic Letters on Computer Vision and Image Analysis, V. 7 n. 2 (2008) p. 96-109, ISSN 1577-5097

Adreça alternativa:
Adreça original:
DOI: 10.5565/rev/elcvia.221

14 p, 889.7 KB

El registre apareix a les col·leccions:
Articles > Articles publicats > ELCVIA
Articles > Articles de recerca

 Registre creat el 2010-01-15, darrera modificació el 2017-10-22

   Favorit i Compartir