उदाहरण-SVMs का एंसेंबल वस्तु पहचान और उससे आगे

यह पेपर एक अवधारणात्मक रूप से सरल लेकिन आश्चर्यजनक रूप से शक्तिशाली विधि का प्रस्ताव करता है जो एक विवेचनात्मक वस्तु पहचानकर्ता की प्रभावशीलता को निकटतम पड़ोसी दृष्टिकोण द्वारा प्रदान की गई स्पष्ट संयोग के साथ जोड़ता है। यह विधि प्रशिक्षण सेट में प्रत्येक उदाहरण के लिए एक अलग रेखीय SVM वर्गीकर्ता को प्रशिक्षित करने पर आधारित है। इस प्रकार से प्रत्येक उदाहरण-SVM एक एकल सकारात्मक उदाहरण और लाखों नकारात्मक उदाहरणों द्वारा परिभाषित किया गया है। जबकि प्रत्येक पहचानकर्ता अपने उदाहरण के लिए काफी विशिष्ट है, हम अनुभवजन्य रूप से देखते हैं कि इस प्रकार के उदाहरण-SVMs का एंसेंबल आश्चर्यजनक रूप से अच्छा सामान्यीकरण प्रस्तुत करता है। PASCAL VOC पहचान कार्य पर हमारा प्रदर्शन Felzenszwalb et al. के अधिक जटिल latent भाग-आधारित मॉडल के बराबर है, केवल थोड़े से गणनात्मक लागत वृद्धि के साथ। लेकिन हमारे दृष्टिकोण का केंद्रीय लाभ यह है कि यह प्रत्येक पहचान और एकल प्रशिक्षण उदाहरण के बीच एक स्पष्ट संघ बनाता है। चूंकि अधिकांश पहचान उनके संबंधित उदाहरण के साथ अच्छा संरेखण दिखाती हैं, इसलिए उपलब्ध उदाहरण मेटा-डेटा (सेगमेंटेशन, ज्यामितीय संरचना, 3D मॉडल, आदि) को सीधे पहचान पर स्थानांतरित करना संभव है, जिसे फिर समग्र दृश्य समझने के हिस्से के रूप में इस्तेमाल किया जा सकता है।