Indoor scene recognition is a chall

Indoor scene recognition is a challenging open problem in high level vision. Most scene recognition models that work well for outdoor scenes perform poorly in the indoor domain. The main difficulty is that while some indoor scenes (e.g. corridors) can be well characterized by global spatial properties, others (e.g, bookstores) are better characterized by the objects they contain. More generally, to address the indoor scenes recognition problem we need a model that can exploit local and global discriminative information. In this paper we propose a prototype based model that can successfully combine both sources of information. To test our approach we created a dataset of 67 indoor scenes categories (the largest available) covering a wide range of domains. The results show that our approach can significantly outperform a state of the art classifier for the task.

Kết quả (Việt) 1:

Hồ cảnh công nhận là một vấn đề mở đầy thách thức trong tầm nhìn cao cấp. Hầu hết cảnh công nhận mô hình làm việc tốt cho hồ cảnh thực hiện kém thuộc phạm vi hồ. Những khó khăn chính là rằng trong khi một số cảnh hồ (ví dụ như hành lang) cũng có thể được miêu tả bởi thuộc tính không gian toàn cầu, những người khác (ví dụ như, nhà sách) tốt hơn đặc trưng bởi các đối tượng chúng chứa. Nói chung, để giải quyết vấn đề công nhận cảnh hồ chúng tôi cần một mô hình có thể khai thác thông tin discriminative địa phương và toàn cầu. Trong bài này, chúng tôi đề xuất một mô hình mẫu thử nghiệm dựa trên thành công có thể kết hợp cả hai nguồn thông tin. Để kiểm tra phương pháp tiếp cận của chúng tôi, chúng tôi tạo ra một tập dữ liệu loại ra cảnh hồ 67 (lớn nhất có sẵn) bao gồm một loạt các lĩnh vực. Kết quả cho thấy rằng cách tiếp cận chúng tôi có thể đáng kể tốt hơn một loại hiện đại cho coâng vieäc.

Kết quả (Việt) 2:

Trong nhà công nhận cảnh là một vấn đề thách thức mở cửa thị lực trình độ cao. Hầu hết các mô hình nhận dạng cảnh mà làm việc tốt với những cảnh quay ngoài trời hoạt động kém trong lĩnh vực trong nhà. Khó khăn chính là trong khi một số cảnh trong nhà (ví dụ như hành lang) có thể được đặc trưng bởi tính không gian cũng toàn cầu, những người khác (ví dụ, nhà sách) được đặc trưng tốt hơn của các đối tượng trong đó. Tổng quát hơn, để giải quyết vấn đề công nhận cảnh trong nhà chúng ta cần một mô hình có thể khai thác thông tin phân biệt địa phương và toàn cầu. Trong bài báo này chúng tôi đề xuất một mô hình dựa trên nguyên mẫu mà thành công có thể kết hợp cả hai nguồn thông tin. Để thử nghiệm cách tiếp cận của chúng tôi, chúng tôi tạo ra một tập dữ liệu của 67 loại cảnh trong nhà (có sẵn lớn nhất) bao gồm một loạt các lĩnh vực. Kết quả cho thấy rằng cách tiếp cận của chúng tôi có thể làm tốt hơn đáng kể tình trạng phân loại nghệ thuật cho công việc.