Recursive composition for modeling, inference and learning in computer vision.
저자
발행사항
[S.l.]: University of California, Los Angeles 2008
학위수여대학
University of California, Los Angeles
수여연도
2008
작성언어
영어
주제어
학위
Ph.D.
페이지수
185 p.
지도교수/심사위원
Adviser: Alan Yuille.
Image understanding depends critically on learning visual models which can be formulated in terms of probabilistic structured representations. But the two-dimensional nature of images makes it much hard to design efficient image understanding systems and the form of the representations is also unclear. The key assumption used to address these problems in this thesis is that the visual world is recursively compositional. This enables us to construct representations, by recursively combining elementary stochastic templates, and makes inference and unsupervised learning practical. By introducing elementary visual constituents of recursion properties, we design recursively compositional systems for two basic image understanding problems, deformable object parsing and image parsing.
We first propose a recursive deformable template model to represent objects in a hierarchical form. The object template consists of a small number of small sub-templates which is composed by smaller subsub-templates, and so on. The composition of templates and their deformation are imposed at different levels to capture both short-range and long-range correlations. The recursive design enables us to perform rapid parsing by dynamic programming, efficient unsupervised learning by recursive composition and supervised training by structured-perceptron. The learnt model together with the inference algorithms are capable of performing different vision tasks simultaneously, such as object detection, segmentation and parsing (e.g. matching/alignment of object parts).
Next we extend the recursive deformable template model to a novel AND/OR graph representation for parsing articulated objects into parts and recovering their poses. The recursion design in the AND/OR graph allows us to handle an enormous variety of articulated poses with a compact graphical model where the rapid inference can be performed. We present a novel structure-learning method, Max Margin AND/OR Graph (MM-AOG), to learn the parameters of the AND/OR graph model discriminatively.
Finally, we present a recursive segmentation and recognition template model for 2D image parsing. This representation consists of recursive segmentation-recognition templates which account for image segmentation and object recognition simultaneously at multiple layers. The recursive templates result in a coarse-to-fine representation which is capable of capturing long-range dependency and exploiting different levels of contextual information. The recursive structure also allows us to design a rapid inference algorithm, based on dynamic programming, which enables us to parse the image rapidly in polynomial time, and learn the model efficiently in a discriminative manner.
We demonstrate the significant benefits of the recursive design on several vision tasks including deformable articulated object detection, parsing and segmentation, and image segmentation and scene understanding. Our experiments on the challenging public datasets show that the recursively compositional systems achieve the state-of-the-art performance.
분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)