MARC

 008200131s2019                                          c    eng  d
■001000015492017
■00520200217181514
■020    ▼a9781088315606
■035    ▼a(MiAaPQ)AAI13899092
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aTang,  Wei.
■24510▼aUnified  Compositional  Models  for  Visual  Recognition
■260    ▼a[Sl]▼bNorthwestern  University▼c2019
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2019
■300    ▼a100  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  81-05,  Section:  B.
■500    ▼aAdvisor:  Wu,  Ying.
■5021  ▼aThesis  (Ph.D.)--Northwestern  University,  2019.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aA  core  problem  in  many  computer  vision  applications  is  visual  recognition  (including  object  classification,  detection  and  localization).  Recent  advances  in  artificial  neural  networks  (aka  "deep  learning")  have  significantly  pushed  forward  the  state-of-the-art  visual  recognition  performances.  However,  due  to  the  lack  of  semantic  structure  modeling,  most  current  deep  learning  approaches  do  not  have  explicit  mechanisms  for  visual  inference  and  reasoning.  As  a  result,  they  are  unable  to  explain,  interpret,  and  understand  the  relations  among  visual  entities.  Moreover,  since  deep  learning  tries  to  fit  a  highly  nonlinear  function,  it  is  data  hungry  and  can  overfit  when  the  data  is  not  big  enough.This  thesis  studies  deep  and  unified  computational  modeling  for  visual  compositionality.  It  is  a  new  mechanism  to  unify  semantic  structure  modeling  and  deep  learning  into  an  effective  learning  framework  for  robust  visual  recognition.  Visual  compositionality  refers  to  the  decomposition  of  complex  visual  patterns  into  hierarchies  of  simpler  ones.  It  not  only  embraces  much  stronger  pattern  expression  powers,  but  also  helps  resolve  the  ambiguities  in  the  smaller  and  lower-level  visual  patterns  via  larger  and  higher-level  visual  patterns.We  first  present  a  unified  framework  for  compositional  pattern  modeling,  inference  and  learning.  Represented  by  And-Or  graphs  (AOGs),  it  jointly  models  the  compositional  structure,  parts,  features,  and  composition/sub-configuration  relationships.  We  show  that  the  inference  algorithm  of  the  proposed  framework  is  equivalent  to  a  feedforward  network.  Thus,  all  the  parameters  can  be  learned  efficiently  via  the  highly-scalable  back-propagation  (BP)  in  an  end-to-end  fashion.  We  validate  the  model  via  the  task  of  handwritten  digit  recognition.  By  visualizing  the  processes  of  bottom-up  composition  and  top-down  parsing,  we  show  that  our  model  is  fully  interpretable,  being  able  to  learn  the  hierarchical  compositions  from  visual  primitives  to  visual  patterns  at  increasingly  higher  levels.  We  apply  this  new  compositional  model  to  natural  scene  character  recognition  and  generic  object  detection.  Experimental  results  have  demonstrated  its  effectiveness.  We  then  introduce  a  novel  deeply  learned  compositional  model  for  human  pose  estimation  (HPE).  It  exploits  deep  neural  networks  to  learn  the  compositionality  of  human  bodies.  This  results  in  a  novel  network  with  a  hierarchical  compositional  architecture  and  bottom-up/top-down  inference  stages.  In  addition,  we  propose  a  novel  bone-based  part  representation.  It  not  only  compactly  encodes  orientations,  scales  and  shapes  of  parts,  but  also  avoids  their  potentially  large  state  spaces.  With  significantly  lower  complexities,  our  approach  outperforms  state-of-the-art  methods  on  three  benchmark  datasets.  Finally,  we  study  how  features  can  be  learned  in  a  compositional  fashion.  The  motivation  is  that  HPE  is  inherently  a  homogeneous  multi-task  learning  problem,  with  the  localization  of  each  body  part  as  a  different  task.  Recent  HPE  approaches  universally  learn  a  shared  representation  for  all  parts,  from  which  their  locations  are  linearly  regressed.  However,  our  statistical  analysis  indicates  not  all  parts  are  related  to  each  other.  As  a  result,  such  a  sharing  mechanism  can  lead  to  negative  transfer  and  deteriorate  the  performance.  To  resolve  this  issue,  we  first  propose  a  data-driven  approach  to  group  related  parts  based  on  how  much  information  they  share.  Then  a  part-based  branching  network  (PBN)  is  introduced  to  learn  representations  specific  to  each  part  group.  We  further  present  a  multi-stage  version  of  this  network  to  repeatedly  refine  intermediate  features  and  pose  estimates.  Ablation  experiments  indicate  learning  specific  features  significantly  improves  the  localization  of  occluded  parts  and  thus  benefits  HPE.  Our  approach  also  outperforms  all  state-of-the-art  methods  on  two  benchmark  datasets,  with  an  outstanding  advantage  when  occlusion  occurs.
■590    ▼aSchool  code:  0163.
■650  4▼aElectrical  engineering
■650  4▼aComputer  science
■690    ▼a0544
■690    ▼a0984
■71020▼aNorthwestern  University▼bElectrical  and  Computer  Engineering.
■7730  ▼tDissertations  Abstracts  International▼g81-05B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0163
■791    ▼aPh.D.
■792    ▼a2019
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T15492017▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202002▼f2020

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서