本文主要是介绍CVPR 2015 Oral概览 - 第一天下午，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
第一天下午两大主题：脑洞大开的图像信息挖掘，以及三维对象分析。
D1-PA-2A. Discovery and Dense Correspondence
【Discovering States and Transformations in Image Collections 】
在图像集合中发现状态和变化。
(MIT)
不再识别一类物体，而是分析一类物体中可以变化的各种属性(attribute)。生涩-成熟，新鲜-发霉，新鲜-枯萎...
在某一类上学习得到的属性，可以应用在其他类上：学过“生”桃子，就能理解“生”西红柿。有点类似transfer learning。
两个特点：是在一批同类图片上学习，学习属性时是成对学习。
使用CNN提取特征。
【Unsupervised Object Discovery and Localization in the Wild: Part-Based Matching With Bottom-Up Region Proposals】
非监督定位、发掘和识别。
(INRIA)
没有任何监督学习，不做前期标定，不限定目标类别，直接从一系列图片中发现同属于一类的若干种显著目标。
e.g. 给定一系列图，有人骑马，马，人开车，车等，能够自动提取出人、马、车。
提取不同尺度的显著候选区域，找出不同图片中的相似候选，组成目标。非常接近人的学习方法。
这篇关于CVPR 2015 Oral概览 - 第一天下午的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
