객체 탐지를 위한 예시-SVM의 앙상블 및 그 이상

이 논문은 판별적 객체 탐지기의 효과성과 최근접 이웃 접근 방식이 제공하는 명시적 대응을 결합한 개념적으로 간단하지만 놀라울 정도로 강력한 방법을 제안합니다. 이 방법은 훈련 세트의 각 예시를 위해 별도의 선형 SVM 분류기를 훈련시키는 데 기반합니다. 따라서 이러한 Exemplar-SVM의 각각은 단일 긍정 인스턴스와 수백만 개의 부정 인스턴스로 정의됩니다. 각 탐지기는 그 예시에 매우 구체적이지만, 우리는 그러한 Exemplar-SVM의 앙상블이 놀라울 정도로 좋은 일반화를 제공한다는 것을 경험적으로 관찰합니다. PASCAL VOC 탐지 작업에서 우리의 성능은 Felzenszwalb et al.의 훨씬 더 복잡한 잠재적 부분 기반 모델과 동등하며, 단지 약간의 계산 비용 증가가 있었습니다. 하지만 우리의 접근 방식의 핵심 이점은 각 탐지와 단일 훈련 예시 간에 명시적 연관을 생성한다는 것입니다. 대부분의 탐지가 관련된 예시와 잘 정렬되기 때문에, 사용 가능한 모든 예시 메타데이터(세분화, 기하학적 구조, 3D 모델 등)를 탐지에 직접 전송할 수 있으며, 이는 전체 장면 이해의 일부로 사용될 수 있습니다.