On Hierarchical Models for Visual Recognition and Learning of Objects, Scenes, and Activities

در بسیاری از برنامه‌های بینایی کامپیوتری، اشیا باید در تصاویر یا توالی‌های تصویر آموخته و شناسایی شوند. این کتاب مدل‌های سلسله مراتبی احتمالی جدیدی را ارائه می‌کند که امکان نمایش کارآمد چندین اشیاء از دسته‌ها، مقیاس‌ها، چرخش‌ها و نماهای مختلف را فراهم می‌کند. ایده این است که از شباهت‌های بین اشیا و بخش‌های شی به منظور اشتراک‌گذاری محاسبات و جلوگیری از اطلاعات اضافی استفاده شود. علاوه بر این، رویکردهای استنتاج برای تشخیص سریع و قوی ارائه شده است. این رویکردهای جدید ایده سلسله مراتب ترکیبی و شباهت را با هم ترکیب می کنند و بر محدودیت های روش های قبلی غلبه می کنند. علاوه بر تشخیص کلاسیک اشیاء، این کتاب استفاده برای تشخیص ژست های انسانی در پروژه ای برای تجزیه و تحلیل راه رفتن را نشان می دهد. استفاده از تشخیص فعالیت برای طراحی محیط های پیری، شناسایی فعالیت ها و الگوهای رفتاری در خانه های هوشمند ارائه شده است. در یک پروژه ارائه شده برای تشخیص نقطه پارکینگ با استفاده از یک وسیله نقلیه هوشمند، از رویکردهای پیشنهادی برای مدل‌سازی سلسله مراتبی محیط وسیله نقلیه برای تفسیر کارآمد و قوی از صحنه در زمان واقعی استفاده می‌شود.

In many computer vision applications, objects have to be learned and recognized in images or image sequences. This book presents new probabilistic hierarchical models that allow an efficient representation of multiple objects of different categories, scales, rotations, and views. The idea is to exploit similarities between objects and object parts in order to share calculations and avoid redundant information. Furthermore inference approaches for fast and robust detection are presented. These new approaches combine the idea of compositional and similarity hierarchies and overcome limitations of previous methods. Besides classical object recognition the book shows the use for detection of human poses in a project for gait analysis. The use of activity detection is presented for the design of environments for ageing, to identify activities and behavior patterns in smart homes. In a presented project for parking spot detection using an intelligent vehicle, the proposed approaches are used to hierarchically model the environment of the vehicle for an efficient and robust interpretation of the scene in real-time.