文献阅读笔记——Object Co-Detection via Efficient Inference in a Fully-Connected CRF

ECCV 2014的一篇文章。作者是Australian National University的博士生Zeeshan Hayder。

这篇文章提出了一套数据集上的协同检测（Co-Detection）算法。该算法的目标是，在给定数据集的情况下，同时检测出数据集中各张影像上属于目标类c的物体。该算法采用全连接的CRF。CRF的节点表示目标类c的一个候选窗口，节点的取值为二值，即属于目标c或者背景。该算法主要包括两个步骤。首先用训练好的DPM等检测器得到响应满足一定阈值条件的候选窗口；然后构造一个二类标记问题，即将上述各候选窗口赋值为类c或者背景。

难点在于，在数据集较大的情况下，如何能够快速有效地求解CRF模型。这步也可以算是文章的工作吧。

当需要检测的类数目超过1类时，各类的检测是相互独立的。也就是说CRF模型中的节点仅表示某一类物体的候选窗口。如果有兴趣的话，可以思考下，是否可以同时检测数类目标。

文章下载链接：

http://users.cecs.anu.edu.au/~hexm/paper/codetect_eccv2014.pdf