چکیده:

روشهای امروزی تشخیص فردی بهترین کارکرد را دارد، وقتی افراد حالات مشترک درستی دارند و در تصویر به ظاهر کاملا منطقی قرار می گیرند. با این حال، در بیشتر تصاویر واقعی، این چیزی نیست که افراد انجام می¬دهند. ظاهرا افراد اغلب مثلا، با اندامهای مرتبط یا لمس سر کاملا شبیه به یکدیگر هستند، و حالات آنها اغلب مانند عابرین پیاده نیستند. رویکردی برای جداسازی افراد در تصاویر چند نفره پیشنهاد می دهیم. این کار را به عنوان مساله اسمبلی منطقه ای فرمول بندی می کنیم. با شروع از یک مجموعه بزرگ از مناطق همپوشانی بخش بندی معنایی اجزای بدن و پیشنهادی شیء عمومی، رویکرد بهینه سازی ما این قطعات را با هم در داخل نمونه های چندنفره دوباره سازی می کند . چون اسمبلی منطقه ای بهینه یک مشکل ترکیبی چالش برانگیزی است، روش آزادسازی لاگرانژی را برای تسریع تخمین حد پایین ارائه می دهیم، و به این ترتیب راه حل سریع شاخه و حد برای بهینه کلی را ایجاد می کنیم. در نتیجه، روش ما نگاشت سطح پیکسل را هم با 1) برچسبهای بخش بدن (بازو، پا، تنه و سر)، و هم با 2) بخشهای متعلق به آن فرد نشان می دهد. نتایج ما در مورد مجموعه داده های چالش برانگیز نشان می دهد که روش ما برای ایجاد حالات در هم آمیخته، مخفی سازی و پیچیده مناسب است. آن در میان روشهای مختلف رقابت، از جمله روشهای موجود در آشکارساز CRF و رویکردهای منطقه ای CNN عملکرد بهتری دارد. علاوه بر این، اثرات آن را بر روی کار شناسایی همجواری نشان می دهیم که مستلزم بازنمایی اینکه دقيق "کدام بخش بدن در کجا قرار دارد" در تصاویر شلوغ است.

---

کلمات کلیدی این محصول در سایت فایلینجا: مقاله ترجمه شده پردازش تصویر ، مقاله با ترجمه پردازش تصویر ، ترجمه آماده پردازش تصویر ، مقاله ترجمه شده مونتاژ منطقه ­ای تصویر ، مقاله با ترجمه مونتاژ منطقه ­ای تصویر ، ترجمه آماده مونتاژ منطقه ­ای تصویر