User: Guest  Login
If you experience problems opening the document, please try this link.
Original title:
Fine-grained Object Recognition with Fewer Labels: From Person Search to Few-shot Classification & Multi-object Tracking
Translated title:
Feinstufige Objekterkennung mit geringeren Labelanzahl: Von der Personensuche bis hin zur Few-Shot Klassifizierung und Multi-Objekt-Tracking
Author:
Munjal, Bharti
Year:
2023
Document type:
Dissertation
Faculty/School:
TUM School of Computation, Information and Technology
Advisor:
Tombari, Federico (Priv.-Doz. Dr.)
Referee:
Tombari, Federico (Priv.-Doz. Dr. habil.); Gong, Shaogang (Prof.)
Language:
en
Subject group:
DAT Datenverarbeitung, Informatik
TUM classification:
MED 230; DAT 760
Abstract:
Fine-grained few-shot object recognition is a challenging problem since it requires a model to learn subtle discriminative features to recognize fine-grained object categories, while leveraging only a few labelled samples. In this dissertation, we study three fine-grained few-shot recognition tasks: person search, fine-grained few-shot image classification and multi-object tracking, which are currently studied separately in literature in-spite of having important similarities.
Translated abstract:
Die feinstufige Few-Shot Objekterkennung ist ein anspruchsvolles Problem, da ein Modell subtile Unterscheidungsmerkmale erlernen muss, um feinstufige Kategorien zu erkennen, während es nur wenige gelabelte Beispiele nutzt. In dieser Dissertation untersuchen wir drei feinstufige Few-Shot Erkennungsaufgaben: die Personensuche, die feinstufige Few-Shot-Klassifizierung und das Multi-Objekt Tracking, die derzeit in der Literatur getrennt untersucht werden, obwohl sie große Ähnlichkeiten aufweisen.
WWW:
https://mediatum.ub.tum.de/?id=1691833
Date of submission:
16.11.2022
Oral examination:
28.04.2023
File size:
137729936 bytes
Pages:
233
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20230428-1691833-1-7
Last change:
19.06.2023
 BibTeX