Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Constrained Spectral Clustering on Face Annotation System Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

A Novel Discriminative Weighted Pooling Feature for Multi-view Face Detection

verfasst von : Shiwei Shi, Jifeng Shen, Xin Zuo, Wankou Yang

Erschienen in: Pattern Recognition

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Finding discriminative feature is crucial for building a high-performance object detection system, which has an effect on the detection speed and accuracy. In this paper, we propose a novel discriminative weighted pooling feature based on the multiple channel maps for multi-view face detection. The color and shape statistics of face structure can be utilized to enhance the discriminative ability of the box filter, which is generalized from the square channel filter. The discriminative information can be obtained with LDA and imbalance embedding LDA method, which is superior to the baseline box filter. The experimental result on the FDDB dataset shows that our proposed method has some advantages in accuracy or speed when compared with many other state-of-the-art methods.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Real-Time Object Tracking Using Dynamic Measurement Matrix
Nächstes Kapitel Non-rigid 3D Model Retrieval Based on Weighted Bags-of-Phrases and LDA
Literatur
1.
Viola, P., Jones, M.J.: Robust real-time face detection. IJCV 57(2), 137–154 (2004)
2.
Lienhart, R., Maydt, J.: An extended set of Haar-like features for rapid object detection. In: International Conference on Image Processing, vol. 1, pp. 900–903 (2001)
3.
Stan, Z.L., Long, Z., Zhenqiu, Z., Blake, A., Hongjiang, Z., Shum, H.: Statistical learning of multi-view face detection. In: Proceedings of the 7th European Conference on Computer Vision—Part IV, pp. 67–81 (2002)
4.
Ojala, T., Pietikäinen, M., Maenpaa, T.: Multiresolution gray-scale and rotation invariant texture classification with local binary patterns. IEEE Trans. Pattern Anal. Mach. Intell. 24(7), 971–987 (2002)CrossRefMATH
5.
Rong, X., Long, Z., Hongjiang, Z.: Boosting chain learning for object detection. In: IEEE International Conference on Computer Vision, vol. 701, pp. 709–715 (2003)
6.
Sochman, J., Matas, J.: WaldBoost—learning for time constrained sequential detection. In: IEEE Conference on Computer Vision and Pattern Recognition, vol. 152, pp. 150–156 (2005)
7.
Bourdev, L., Brandt, J.: Robust object detection via soft cascade. In: IEEE Conference on Computer Vision and Pattern Recognition, vol. 232, pp. 236–243 (2005)
8.
Rong, X., Huaiyi, Z., He, S., Xiaoou, T.: Dynamic cascades for face detection. In: IEEE International Conference on Computer Vision, pp. 1–8 (2007)
9.
Dollár, P., Tu, Z.W., Perona, P., Belongie, S.: Integral channel features. In: BMVC (2009)
10.
Dollár, P., Appel, R., Belongie, S., Perona, P.: Fast feature pyramids for object detection. TPAMI 36(8), 1532–1545 (2014)CrossRef
11.
Bin, Y., Junjie, Y., Zhen, L., Stan, Z.L.: Aggregate channel features for multi-view face detection. In: Proceedings of International Joint Conference on Biometrics, pp. 194–201 (2014)
12.
Benenson, R., Mathias, M., Tuytelaars, T., Gool, L.V.: Seeking the strongest rigid detector. In: CVPR 2013, pp. 1, 2, 6, 7 (2013)
13.
Jifeng, S., Changyin, S., Wankou, Y.: A novel distribution-based feature for rapid object detection. Neurocomputing 74, 2767–2779 (2011)CrossRef
14.
Kostinger, M., Wohlanrt, P., Roth, P.M., Bischof, H.: Annotated facial landmarks in the wild: a large-scale, real-world database for facial landmark localization. In: 2011 IEEE International Conference on Computer Vision Workshops (ICCV Workshops) (2011)
15.
Dollár, P., Wojek, C., Schiele, B., Perona, P.: Pedestrian detection: an evaluation of the state of the art. IEEE Trans. Pattern Anal. Mach. Intell. 34(4), 743–761 (2012)CrossRef
16.
Dollár, P., Appel, R., Belongie, S., Perona, P.: Fast feature pyramids for object detection. IEEE Trans. Pattern Anal. Mach. Intell. 36(8), 1532–1545 (2014)CrossRef
17.
Shengcai, L., Jain, A.K., Stan, Z.L.: A fast and accurate unconstrained face detector. IEEE Trans. Pattern Anal. Mach. Intell. 38(2), 211–223 (2016)CrossRef
18.
Xiaohui, S., Zhe, L., Jonathan, B., Ying, W.: Detecting and aligning faces by image retrieval. In: CVPR (2013)
19.
Haoxiang, L., Zhe, L., Jonathan, B., Xiaohui, S., Gang, H.: Efficient boosted exemplar-based face detection. In: 2014 IEEE Conference on Computer Vision and Pattern Recognition (2014)
20.
Jianguo, L., Yimin, Z.: Learning SURF cascade for fast and accurate object detection. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR) (2013)
21.
Haoxiang, L., Gang, H., Zhe, L., Jonathan, B., et al.: Probabilistic elastic part model for unsupervised face detector adaptation. In: Proceedings of the 2013 IEEE International Conference on Computer Vision, pp. 793–800. IEEE Computer Society (2013)
Metadaten
Titel
A Novel Discriminative Weighted Pooling Feature for Multi-view Face Detection
verfasst von
Shiwei Shi
Jifeng Shen
Xin Zuo
Wankou Yang
Copyright-Jahr
2016
Verlag
Springer Singapore
Buch
Pattern Recognition

Print ISBN: 978-981-10-3001-7

Electronic ISBN: 978-981-10-3002-4

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-981-10-3002-4_37

Premium Partner

    Bildnachweise