Key points are not available for this paper at this time.
Investigamos o problema de categorização de objetos de forma detalhada, que consiste em determinar a raça de um animal a partir de uma imagem. Para esse fim, introduzimos um novo conjunto de dados anotados de animais de estimação cobrindo 37 raças diferentes de gatos e cães. O problema visual é muito desafiador, pois esses animais, particularmente os gatos, são muito deformáveis e podem apresentar diferenças sutis entre as raças. Fazemos várias contribuições: primeiro, introduzimos um modelo para classificar automaticamente a raça de um animal de estimação a partir de uma imagem. O modelo combina a forma, capturada por um modelo de partes deformáveis que detecta o rosto do animal, e a aparência, capturada por um modelo de bag-of-words que descreve o pelo do animal. Ajustar o modelo envolve segmentar automaticamente o animal na imagem. Em segundo lugar, comparamos duas abordagens de classificação: uma hierárquica, na qual um animal de estimação é primeiro atribuído à família de gatos ou cães e, em seguida, a uma raça, e uma plana, na qual a raça é obtida diretamente. Também investigamos uma série de layouts espaciais orientados para animais e imagens. Esses modelos são muito bons: eles superam todos os resultados previamente publicados no desafiador teste ASIRRA (discriminação de gato vs cachorro). Quando aplicados à tarefa de discriminar as 37 raças diferentes de animais de estimação, os modelos obtêm uma precisão média de cerca de 59%, um resultado muito encorajador considerando a dificuldade do problema.
Parkhi et al. (Sex,) estudaram essa questão.
Synapse has enriched 4 closely related papers on similar clinical questions. Consider them for comparative context: