Lernen, das visuelle Erscheinungsbild für die Mehrklassenobjekterkennung zu teilen

Wir präsentieren ein hierarchisches Klassifikationsmodell, das seltenen Objekten erlaubt, statistische Stärke von verwandten Objekten zu entlehnen, die viele Trainingsbeispiele haben. Im Gegensatz zu vielen bestehenden Objekterkennungs- und -detektionssystemen, die verschiedene Klassen als unverbundene Entitäten behandeln, lernt unser Modell sowohl eine Hierarchie für das Teilen des visuellen Erscheinungsbilds über 200 Objektkategorien als auch hierarchische Parameter. Unsere experimentellen Ergebnisse bei der herausfordernden Aufgabe der Objektlokalisierung und -erkennung zeigen, dass das vorgeschlagene Modell die Genauigkeit der standardmäßigen Einzelobjekt-Detektoren, die die hierarchische Struktur völlig ignorieren, erheblich verbessert.