Toward Category-Level Object Recognition

اگرچه تحقیقات در بینایی کامپیوتری برای تشخیص اشیاء سه بعدی در عکس‌ها به دهه 1960 برمی‌گردد، پیشرفت نسبتاً آهسته بود تا پایان هزاره، و تنها اکنون شاهد ظهور تکنیک‌های مؤثر برای تشخیص دسته‌بندی اشیاء با ظاهرهای مختلف تحت تغییرات زیاد در شرایط مشاهده هستیم. پیشرفت عظیمی در پنج سال گذشته حاصل شده است، عمدتاً به لطف ادغام نمایش داده‌های جدید، مانند ویژگی‌های نیمه محلی ثابت، که در جامعه بینایی رایانه با مدل‌های مؤثر توزیع داده‌ها و روش‌های طبقه‌بندی توسعه‌یافته در جامعه آماری یادگیری ماشینی ایجاد شده‌اند.

این جلد یک کتاب پس از رویداد است که بر اساس مجموعه‌ای از بحث‌ها برگزار شده است. 2003 و 2004. اهداف اصلی این دو کارگاه ترویج ایجاد یک جامعه بین‌المللی تشخیص شی، با مجموعه داده‌های مشترک و روش‌های ارزیابی، ترسیم وضعیت هنر و شناسایی مشکلات و فرصت‌های باز اصلی برای تحقیقات هم افزایی، و بیان نیازها و فرصت‌های صنعتی و اجتماعی برای شناسایی اشیا و فرصت‌ها برای شناسایی اشیاء به‌طور سازمان‌دهی شده در پژوهش‌های جهانی ارائه شده است. s: تشخیص اشیاء خاص، تشخیص دسته بندی اشیاء، تشخیص دسته بندی اشیاء با روابط هندسی، و تشخیص مشترک و تقسیم بندی.

Although research in computer vision for recognizing 3D objects in photographs dates back to the 1960s, progress was relatively slow until the turn of the millennium, and only now do we see the emergence of effective techniques for recognizing object categories with different appearances under large variations in the observation conditions. Tremendous progress has been achieved in the past five years, thanks largely to the integration of new data representations, such as invariant semi-local features, developed in the computer vision community with the effective models of data distribution and classification procedures developed in the statistical machine-learning community.

This volume is a post-event proceedings volume and contains selected papers based on presentations given, and vivid discussions held, during two workshops held in Taormina in 2003 and 2004. The main goals of these two workshops were to promote the creation of an international object recognition community, with common datasets and evaluation procedures, to map the state of the art and identify the main open problems and opportunities for synergistic research, and to articulate the industrial and societal needs and opportunities for object recognition research worldwide.

The 30 thoroughly revised papers presented are organized in the following topical sections: recognition of specific objects, recognition of object categories, recognition of object categories with geometric relations, and joint recognition and segmentation.