基于多视图的无监督联合对象分类和视角估计

来源：wenku7.com 资料编号：WK720703 资料等级：★★★★★ %E8%B5%84%E6%96%99%E7%BC%96%E5%8F%B7%EF%BC%9AWK720703

以下是资料介绍,如需要完整的请充值下载。
1.无需注册登录,支付后按照提示操作即可获取该资料.
2.资料以网页介绍的为准,下载后不会有水印.资料仅供学习参考之用. 密保惠帮助

资料介绍

基于多视图的无监督联合对象分类和视角估计(中文5000字,英文PDF)
摘要
我们提出了一种基于卷积神经网络的模型：RotationNet。它以一个目标的多视角图像作为一个输入，并且可以联合估计他的视角和类别。不同于以往的方法中用已知的视角标签来训练，我们的方法把视角标签作为潜在变量，通过对一个未对齐的数据集进行无监督学习中来获得。RotationNet被设计为可以使用一部分多视图图像进行预测，该属性在只有部分视图可用的实际场景中非常有实用价值。RotationNet的有效性是通过其优异的性能表现——其在3D对象分类的10类和40类的数据集ModelNet上被证实为目前最先进的方法。我们还表明，即使训练时没有已知视角，RotationNet也可以在对象姿态估计数据集上实现最先进的性能。