Learning Discriminative Part Detectors for Image Classification and Cosegmentation

Jian Sun 1, 2 Jean Ponce 2, 3
2 WILLOW - Models of visual object recognition and scene understanding
DI-ENS - Département d'informatique de l'École normale supérieure, ENS Paris - École normale supérieure - Paris, Inria Paris-Rocquencourt, CNRS - Centre National de la Recherche Scientifique : UMR8548
Abstract : In this paper, we address the problem of learning discriminative part detectors from image sets with category labels. We propose a novel latent SVM model regularized by group sparsity to learn these part detectors. Starting from a large set of initial parts, the group sparsity regularizer forces the model to jointly select and optimize a set of discriminative part detectors in a max-margin framework. We propose a stochastic version of a proximal algorithm to solve the corresponding optimization problem. We apply the proposed method to image classification and cosegmentation, and quantitative experiments with standard benchmarks show that it matches or improves upon the state of the art.
Type de document :
Communication dans un congrès
ICCV 2013 - International conference on computer vision, Dec 2013, Sydney, Australia. 2013
Liste complète des métadonnées

Littérature citée [40 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00932380
Contributeur : Sun Jian <>
Soumis le : jeudi 16 janvier 2014 - 19:43:11
Dernière modification le : jeudi 11 janvier 2018 - 06:23:04
Document(s) archivé(s) le : jeudi 17 avril 2014 - 09:51:20

Fichier

supervised_Part.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : hal-00932380, version 1

Collections

Citation

Jian Sun, Jean Ponce. Learning Discriminative Part Detectors for Image Classification and Cosegmentation. ICCV 2013 - International conference on computer vision, Dec 2013, Sydney, Australia. 2013. 〈hal-00932380〉

Partager

Métriques

Consultations de la notice

811

Téléchargements de fichiers

286