주제 모델을 이용한 시각 범주 분해, 발견 및 탐지

우리는 주제 모델을 사용하여 분해를 기반으로 한 시각 객체 범주의 발견 및 탐지를 위한 새로운 방법을 제시합니다. 이 접근 방식은 학습 인스턴스에 대한 라벨링 없이 여러 시각적 범주에 대해 다양한 관점에서 컴팩트하고 저차원적인 표현을 학습할 수 있습니다. 학습된 객체 구성 요소는 국소 구조에서 선 세그먼트에 이르기까지 전역 실루엣과 같은 설명을 포함합니다. 이 표현은 전적으로 비지도 방식으로 객체 범주를 발견하는 데 사용할 수 있습니다. 또한 우리는 이 표현을 기반으로 효율적인 학습 예제를 활용하여 감독 다중 범주 탐지 시스템을 구축하는 데 사용하며, 순수한 특징 기반 표현보다 성능이 좋습니다. 제안된 속도 향상으로 시스템은 대규모 데이터베이스에 확장될 수 있습니다. 세 개의 데이터베이스에서의 실험 결과, 이 접근 방식이 비지도 학습 및 감독 탐지 분야에서 최첨단을 향상시킨다는 것을 보여줍니다. 특히 우리는 여러 범주에 대한 도전적인 PASCALpsila06 다중 클래스 탐지 작업에서 최첨단을 개선합니다.