您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 201605-682
论文题目 多姿态人体的弱监督检测
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

多姿态人体的弱监督检测

首发时间:2016-05-19

蔡雅薇 1   

蔡雅薇(1992-),女,主要研究机器学习

谭晓阳 1   

谭晓阳(1971-),男,现任南京航空航天大学计算机科学与技术学院教授及博士生导师, 主要研究领域为计算机视觉、模式识别和机器学习,主持多项科研课题,在一流国际期刊和顶级国际会议发表论文四十余篇,被引用三千余次。

  • 1、南京航空航天大学计算机科学与技术学院,南京 210000

摘要:本文研究困难姿态(多视角或者任意姿态)下的弱监督人体检测问题。现在大部分人体检测仅仅关注普通的直立姿态,但现实中的人体却呈现非常丰富的姿态(如弯曲的,躺着的,坐着的)。这不仅加大了人体检测的难度,而且令标注的工作更加困难,实际中通常只能获得弱标注样本。多示例学习方法放松了精准标注的要求,因此常常被用来解决此类问题。但是,多示例学习对正示例的质量以及一些模型参数设置相当敏感,例如将示例层次条件概率融合到包层次的策略。我们不仅在Pascal VOC 2007的人类数据集上进行了关于这些重要但很少被关注问题的综合性深度研究,还提出了一种新的选择性弱监督检测算法SWSD。实验证明只要添加少量的监督样本,在多示例学习框架下,可以大幅度提高弱监督人体检测性能。

关键词: 弱监督 人体检测 任意姿态 多示例学习

For information in English, please click here

Weakly Supervised Human Body Detection under Multiple Poses

CAI Yawei 1   

蔡雅薇(1992-),女,主要研究机器学习

TAN Xiaoyang 1   

谭晓阳(1971-),男,现任南京航空航天大学计算机科学与技术学院教授及博士生导师, 主要研究领域为计算机视觉、模式识别和机器学习,主持多项科研课题,在一流国际期刊和顶级国际会议发表论文四十余篇,被引用三千余次。

  • 1、Department of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics, Nanjing 210000

Abstract:In this work we study the problem of weakly supervised human body detection under difficult poses (e.g., multi-view and/or arbitrary poses). Most current research on human body detection focuses only on a few common human body poses with human body in upright positions, while in the real world human bodies may exhibit very rich pose variations (e.g., when people are bending, sleeping, or sitting). This not only imposes great challenges on the task of human detection, but also makes the job of manual annotation even more difficult and usually only weak annotations are available in practice. The multi-instance learning method relaxes the requirements of accurate labeling and hence being commonly used to address the task. However, it is sensitive to the quality of the positive instances and the settings of some model parameters such as the strategy to fuse the instance-level conditional probability into a bag-level one. In this paper, we present a comprehensive and in-depth empirical study of these important but less studied issues on the person dataset of Pascal VOC 2007 and propose a new selective weakly supervised detection algorithm (SWSD). We demonstrate that with only a few fully supervised samples, the performance of weakly supervised human body detection can be significantly improved under the MIL framework by experiment.

Keywords: weakly supervision human body detection arbitrary poses multi-instance learning

Click to fold

点击收起

论文图表:

引用

导出参考文献

.txt .ris .doc
蔡雅薇,谭晓阳. 多姿态人体的弱监督检测[EB/OL]. 北京:中国科技论文在线 [2016-05-19]. http://www.paper.edu.cn/releasepaper/content/201605-682.

No.4689225114882714****

同行评议

未申请同行评议

评论

全部评论

0/1000

勘误表

多姿态人体的弱监督检测