Descripteurs profonds communs aux couleurs et aux

Descripteurs profonds communs aux couleurs et aux contours pour la
reconnaissance fine 2D/3D de véhicules
F. Chabot1
M. Chaouch1
J. Rabarisoa1
C. Teulière2
T. Chateau2
CEA, LIST,
Laboratoire de Vision et Ingénierie des Contenus
F-91191 Gif-sur-Yvette, France
2
Institut Pascal,
UMR6602, CNRS, Université Blaise Pascal
Clermont-Ferrand, France
1
[email protected]
Résumé
Étant donné une base de données constituée de modèles 3D
non-texturés, serions-nous capable d’apprendre un classifieur de marques et modèles de véhicules pouvant être
appliqué à des images couleurs réelles ? Une solution
consiste à trouver une représentation commune entre des
images de contours synthétiques et les images réelles. Dans
cet article, nous introduisons de nouveaux descripteurs
communs à la couleur et aux contours pour la classification fine 2D/3D. Ces descripteurs sont appris simultanément sur des images couleurs et des cartes de contours à
l’aide des réseaux de neurones convolutifs. En utilisant ces
descripteurs nous proposons ensuite d’apprendre un classifieur de marques et modèles de véhicules sur des images
de contours synthétiques qui pourra être appliqué à des
images couleurs réelles. L’utilisation d’une base de modèles 3D de voiture permet de générer automatiquement
des images synthétiques en multi-vues en utilisant des rendus contours non-photoréalistes. Expérimentalement, nous
montrons l’efficacité de nos descripteurs invariants à la
couleur et aux contours pour la reconnaissance fine.
Mots Clef
Réseaux de neurones convolutifs, modèles 3D, reconnaissance fine, adaptation de domaine
Abstract
Given an untextured 3D car models dataset, are we able
to learn a robust make and model classifier which will be
applied on real color images ? One solution consists in
finding a common representation between synthetic edge
images and real color images. To address this issue, we introduce novel edge-color invariant features for 2D/3D car
fine-grained classification. These features are learned simultaneously on real color and edge images of cars using
a deep architecture. Using these accurate features, we pro-
pose to learn on edge synthetic images a fine-grained classifier which will be afterwards applied to real color images.
The 3D car models dataset allows to automatically generate multi-views synthetic images using non-photorealistic
edge rendering. Experimentally, we show efficiency of our
learned edge-color invariant features for make and model
recognition.
Keywords
Convolutional Neural Networks, 3D models, fine-grained
classification, domain adaptation
1
Introduction
La reconnaissance fine est un défi dans le domaine de la
vision par ordinateur. Cette tâche implique de construire
des modèles de classification capable de décrire et de
séparer des classes souvent très semblables en terme
d’apparence. Contrairement à beaucoup de travaux sur le
sujet qui se concentrent sur la reconnaissance fine d’objets
déformables tels que les oiseaux [1, 2], les chiens [3] ou
les visages [4], nous nous intéressons aux classes d’objets
rigides et plus particulièrement aux voitures. En plus
de la similarité intra-classes, l’apparence des véhicules
peut varier suivant plusieurs facteurs : le point de vue,
leur couleurs, et l’environnement qui peut introduire du
bruit sur les images de voitures à cause de leur propriétés
spéculaires. Ainsi, la classification fine à pour but de
trouver des descripteurs discriminants, invariants à toutes
ces perturbations.
Plusieurs travaux essaient de résoudre le problème de
la reconnaissance fine de marques et modèles de véhicules
et se confrontent aux problèmes identifiés ci-dessus.
Certaines approches utilisent dans un premier temps, un
détecteur de pose pour pallier les variations liées au point
de vue [5, 6]. Connaissant la pose de la voiture, ils essaient
θ^ f
......
(a)
θ^ c
Training
1
.
.
.
θ^ f
S
O
F
T
M
A
X
Edge
detection
.
.
.
S
O
F
T
M
A
X
Synthetic-edge
Fixed
S
O
F
T
M
A
X
.
.
.
M classes
Shared weights
......
2
......
(b)
CompCar-color
θ^ c
N classes
Edge
rendering
CompCar-edge
Audi A6
Cadillac CTS
Testing
Pontiac AZTEK
3DCar
for training
...
2DCar
for testing
...
θ^ f
......
(c)
θ^ c
2
.
.
.
2DCar
F IGURE 1 – Ensemble du système. (a) Apprentissage des descripteurs communs aux couleurs et aux contours sur la base
CompCar. (b) Apprentissage du classifieur fin synthétique sur des images de contours synthétiques générées avec la base
3DCar. (c) Test du réseau sur les images de la base 2DCar.
ensuite de mettre en correspondance des modèles 3D
texturés [6] ou des modèles de courbes 3D [5]. La classe
du véhicule est ensuite donnée par un score de mise en
correspondance. D’autres méthodes se concentrent sur
des descripteurs de parties locales pour discriminer les
marques et les modèles de voitures [7, 8]. Plus récemment,
les auteurs de [9] ont fourni une nouvelle base de données
pour la reconnaissance fine de voiture et donnent des
résultats intéressants en utilisant les réseaux convolutifs
profonds (CNN). Une conclusion de leurs travaux est que
les CNN peuvent apprendre des descripteurs multi-vues
pour la reconnaissance fine. De part leur capacité à
trouver des descripteurs très discriminatifs, les réseaux
de neurones profonds ont déjà prouvé leur efficacité dans
plusieurs problèmes de vision par ordinateur comme la
segmentation [10, 11], la détection d’objets [12, 13] et la
reconnaissance fine [1, 2, 4]. Cependant, apprendre des
détecteurs ou des classifieurs robustes induit de disposer
de suffisamment de données pour l’apprentissage. C’est
pourquoi des approches récentes de détection d’objet
[14, 15] ou d’estimation de pose [16, 17, 18, 19, 20]
proposent d’utiliser des modèles 3D afin d’enrichir facilement les bases d’apprentissages. En effet, il est simple de
générer d’importantes bases de données synthétiques avec
des modèles 3D (trouvables sur internet) et ainsi pallier
le manque de données. Actuellement, il existe des bases
d’images réelles pour la reconnaissance de marques et
modèle des véhicule [8, 9]. Néanmoins, il est encore très
difficile et fastidieux de collecter des images correspondant à un véhicule donné. En fonction de leur année de
production ou de leur version, des voitures correspondant
à un même modèle peuvent présenter des différences. De
même, l’apparence d’un véhicule peut changer avec la
peinture ou les stickers.
Dans ce papier, nous nous intéressons à l’utilisation
de modèles 3D pour entraîner un classifieur fin qui pourra
être appliqué à des images réelles. Pour apprendre une
classe de véhicule avec notre méthode, il suffit d’utiliser
le modèle 3D correspondant à sa version exacte. En
d’autres termes, étant donné une image réelle en entrée,
ce classifieur permet de trouver la marque et le modèle
de la voiture et ainsi le modèle 3D correspondant. Nous
disposons d’une base de données de modèles 3D qui
permet de générer des rendus contours non-photoréalistes.
C’est un processus de rendu très simple qui permet de se
concentrer sur la forme du véhicule (contours) sans avoir
besoin de générer des conditions d’éclairages complexes
ou des rendus couleurs. De plus, ce type de rendu est moins
dépendant de la qualité du modèle 3D car les contours
saillants sont relativement invariants à la résolution du
maillage. Finalement, l’intuition fondamentale de ce
travail est qu’une partie significative des contours 3D
peuvent être trouvés dans des images de contours calculés
sur des images réelles avec des détecteurs de contours
basés sur les gradients.
Notre apprentissage se divise en deux étapes. Dans
un premier temps, nous apprenons des descripteurs invariants aux couleurs et aux contours en utilisant les CNN
et la base de données CompCar [9]. Ici nous considérons
deux domaines : images couleurs et images de contours.
Notre méthode permet de trouver directement une représentation commune pour les deux domaines. Cette manière
de faire est différente des méthodes d’adaptation de
domaine comme [21, 22, 23, 24] qui consistent à trouver
la transformation entre les données d’apprentissage et les
données de test en minimisant généralement la distance
entre les distributions des caractéristiques des deux domaines. Avec ce travail, nous montrons la capacité des
réseaux de neurones à trouver la représentation commune
entre deux types de données qui sont naturellement très
éloignés l’un de l’autre. Dans un second temps, ces
descripteurs invariants aux couleurs et aux contours sont
calculés sur des images de contours synthétiques et utilisés
pour apprendre un classifieur synthétique de marques et
modèles de véhicules. Nous montrons que ce classifieur
donne de très bon résultat lorsqu’il est appliqué à des
images couleur réelles.
La section suivante explique comment les descripteurs invariants aux couleurs et aux contours sont définis
et appris. L’utilisation de ces descripteurs pour apprendre
un classifieur fin sur des modèles 3D est ensuite détaillé.
La section expérimentations donne les résultats montrant
l’efficacité de nos modèles de classification.
2
Modèle
Dans cette section, le classifieur de marques et modèles de
véhicules est présenté. L’objectif est d’apprendre un classifieur sur des images synthétiques qui pourra être testé sur
des images couleurs réelles. Nous avons construits, dans
un premier temps, une base de données appelées 2D3DCar
composée de données d’apprentissage et de test. La base
d’apprentissage (appelé 3DCar) se compose de N modèles
3D de voitures. La base de test (appelé 2DCar) se compose
d’images réelles couleurs qui correspondent exactement au
modèles de 3DCar (Figure 1).
L’apprentissage est divisé en deux phases. Dans un premier
temps, nous utilisons la base CompCar [9] composée de
M classes, afin d’apprendre les descripteurs discriminatifs
pour la reconnaissance fine mais aussi communs aux deux
domaines (couleurs et contours). Dans un second temps,
nous utilisons ces descripteurs pour apprendre un classifieur uniquement sur des images de contours synthétiques
générées avec la base de données 3DCar. Chaque modèle
3D de la base de données 3DCar (fourni par [16]) est projeté suivant plusieurs points de vue et plusieurs paramètres
intrinsèques de caméra. La Figure 1 illustre l’ensemble du
système.
2.1
Descripteurs communs profonds
L’objectif principal de cette étape est de trouver une représentation commune dans l’espace des descripteurs entre
des cartes de contours et des images couleurs. L’idée est de
considérer que les contours trouvés dans une image cou-
leur sont très similaires aux contours saillants des images
synthétiques. En utilisant CompCar [9], nous générons une
carte de contours pour chacune des images en utilisant la
détection de contours proposée par [25]. Nous motivons ce
choix par le fait que cet algorithme semble plus robuste
au bruit que le détecteur de Canny [26]. Ainsi, nous obtenons de CompCar deux bases de données : la base de
donnée couleur {XColor , YColor } et la base de données
contours {XEdge , YEdge } où X correspond aux données
et Y 2 [1, .., M ] aux labels des classes.
Les réseaux de neurones profonds peuvent être définis par
deux ensembles de paramètres : les paramètres de descripteurs ✓f et les paramètres de classifications ✓c1 .
Nous définissons un réseau de neurone complètement partagé entre les deux types de données. La Figure 1 (a)
illustre cette phase d’apprentissage. L’optimisation des paramètres du réseau (✓f , ✓c1 ) est effectuée en minimisant la
fonction de coût suivante :
(✓ˆf , ✓ˆc1 ) = argmin L(✓f , ✓c1 , XColor , YColor )
(✓f ,✓c1 )
+L(✓f , ✓c1 , XEdge , YEdge )
où L correspond à la fonction de coût classique Softmax.
Aucun coefficient de pondération n’est utilisé pour ne pas
favoriser un domaine par rapport à un autre. Cette manière
de faire peut être assimilée au réseaux de neurones siamois [27] où l’objectif est de minimiser la distance (norme
L2) dans l’espace des descripteurs entre deux images similaires. Néanmoins, contrairement aux réseaux siamois,
nous essayons de réduire la distance entre des images représentant le même véhicule (sur les deux domaines) tout
en apprenant des descripteurs discriminatifs pour la reconnaissance fine. Contrairement aux méthodes d’adaptation
de domaine comme [21, 22, 23, 24] nous n’essayons pas
de mettre en correspondance un type de données sur un
autre mais nous essayons de trouver directement la représentation commune qui peut être pertinente pour les deux
types de données.
2.2
Classifieur synthétique
Une fois que les descripteurs communs aux couleurs et aux
contours ont été appris, nous les utilisons pour entraîner un
classifieur seulement sur des images de contours synthétiques {Xsynth , Ysynth } générées avec les modèles 3D de
la base de données 3DCar avec Y 2 [1, .., N ]. Nous fixons
les paramètres d’extraction de descripteurs ✓ˆf appris précédemment et nous entraînons de nouveaux paramètres de
classification ✓c2 correspondants aux N labels de nos modèles 3D. La nouvelle fonction de coût à minimiser est définie comme suit :
✓ˆc = argmin L(✓ˆf , ✓c , Xsynth , Ysynth )
2
✓c 2
2
La Figure 1 (b) illustre cette étape d’apprentissage. Procéder en deux étapes présente des avantages. Fixer les paramètres d’extraction de descripteurs permet d’apprendre
cette deuxième étape très rapidement (très peu de paramètres à optimiser) et ajouter une classe à ce classifieur
est très simple de part l’utilisation de modèles 3D. De plus,
si nous apprenions directement un réseau complet sur les
images synthétiques sans utiliser les descripteurs invariants
aux couleurs et aux contours, le réseau se concentrerait sur
des contours 3D qui ne sont pas présents dans les images
de contours réelles. Cela veut dire que si le réseau n’est pas
contraint par des images réelles, il sur-apprend les images
synthétiques. Cela est démontré dans les expérimentations.
3
Expérimentations
Dans ces expérimentations, nous considérons deux bases
de données : CompCar et 2D3DCar. La base de données
Compcar fournie 36451 images d’entraînements et 15626
images de tests correspondant à M = 431 classes. La base
3DCar est composée de N = 36 modèles 3D et la base
2DCar est composée de 403 images (à peu près 10 images
par marques et modèles de véhicule). Nous avons généré
3456 rendus contours pour chaque modèle 3D. Le nombre
total d’exemples dans la base de données synthétique est
donc de 124416 exemples. Du bruit à été ajouté en utilisant
des contours extraits de PASCAL VOC 2007 [28].
Sept réseaux profonds ont été entraîné pour évaluer, comparer et valider notre nouvelle approche. Nous définissons
dtf
chaque réseau par Ndtc
où dtc et dtf correspondent
aux données d’apprentissage utilisées pour le classifieur
et pour le calcul des descripteurs respectivement (couleurs+contours : ce, couleurs : c, contours : e et contours
synthétiques : s). Nous détaillons le type de données
d’apprentissage pour chaque réseau appris dans le Tableau
1 et le Tableau 2. Nous avons appris tous les réseaux
en utilisant l’architecture GoogLeNet proposé par [29].
Le GoogLeNet est composé de différents niveaux de
hiérarchie. La fonction de coût est composée de plusieurs
fonctions de perte basées sur la fonction Softmax correspondant à chaque hiérarchie et permettant une bonne
régularisation pendant l’optimisation. Pour l’apprentissage
des descripteurs invariants aux contours et au couleurs
nous avons utilisé une initialisation utilisant des poids
pré-appris (fine-tuning).
Réseau
ce
Nce
Ncc
Nee
Paramétres des
descripteurs et
du classifieur
Appris sur
CompCar-color et
CompCar-edge
Appris sur
CompCar-color
Appris sur
CompCar-edge
Performance sur
CompCar-color
95.9 / 99.4
96.2 / 99.5
46.7 / 70.6
Performance sur
CompCar-edge
92.0 / 98.6
3.8 / 12.0
84.5 / 96.4
TABLE 1 – Performances sur les images de test (couleurs
et contours) de CompCar (rang 1 / rang 5).
Réseau
Nsce
Nsc
Nse
Nss
Paramétres des
descripteurs
fixés avec
ce
Nce
fixés avec
Ncc
fixés avec
Nee
Paramétres
classifieur
Appris
sur synthetiques
Appris
sur synthetiques
Appris
sur synthetiques
Performance sur
2DCar-color
83.6 / 96.0
42.7 / 77.7
53.6 / 83.6
4.7 / 18.1
Performance sur
2DCar-edge
69.7 / 95.2
28.5 / 64.8
56.6 / 88.6
10.2 / 29.3
Appris
sur synthetiques
TABLE 2 – Performances sur les images de test (couleur et
contours) de 2DCar (rang 1 / rang 5).
Dans cette section, trois résultats expérimentaux sont présentés :
• Visualisation des descripteurs invariants aux couleurs et
ce
aux contours. En utilisant le réseau Nce
défini dans la section 2.1, nous avons extrait les descripteurs sur les images
de contours synthétiques et les images couleurs réelles (venant de 3DCar et 2DCar) et nous avons tracé leurs distributions en utilisant la réduction de dimension t-SNE dans la
Figure 2. Nous pouvons voir que les deux domaines (couleurs réelles et contours synthétiques) sont très proches
dans l’espace des descripteurs tout en étant discriminants
pour la reconnaissance de marques et modèles de véhicule.
Cela montre que les descripteurs entraînés sur des contours
extraits d’images réelles et sur des images couleur se généralisent aux images de contours synthétiques. De plus, cela
prouve le pouvoir de généralisation pour la reconnaissance
fine : même si les descripteurs sont appris sur une base
de données avec des marques et modèles spécifiques (les
classes de CompCar), ils peuvent être appliqués à d’autre
marques et modèles de voitures tout en restant discriminant
pour ces nouvelles classes (les classes de 2D3DCar).
• Évaluation des performances du réseau appris pour reconnaître la marque et le modèle d’une voiture sur les deux
domaines (couleurs réelles et contours réelles). Le Tableau
1 donne les résultats pour la reconnaissance fine sur les
images de tests de CompCar (couleurs et contours). Nous
pouvons voir clairement que nos descripteurs communs apce
pris avec le réseau Nce
sont très performant sur les deux
types de données alors que Ncc et Nee échouent complètement sur le type de données non appris.
• Évaluation des performances du classifieur synthétique
sur des images réelles couleur. Le Tableau 2 donne les résultats pour la reconnaissance de marques et modèles de
véhicule en utilisant des images de contours synthétiques
pour l’apprentissage. Le test est fait sur la base 2DCar.
Nous pouvons voir que Nsce (section 2.2) qui utilise les
ce
descripteurs de Nce
augmente considérablement le score
de classification en comparaison aux autres réseaux. Nous
avons également appris des classifieurs en utilisant SVM et
structured-SVM et les résultats sont similaires. La Figure 3
montre les courbes de rang pour ces réseaux et la Figure 4
illustre quelques résultats retournés par notre réseau Nsce .
Les résultats montrent également que d’apprendre directement un réseau sur des images synthétiques (Nss ) n’est
pas efficace sur les images réelles lors du test (couleurs et
contours). Ce réseau ne peut pas se généraliser à ce type
d’image car il se concentre sur des structures synthétiques
qui ne peuvent pas être trouvées dans les images réelles.
F IGURE 2 – Visualisation des descripteurs communs aux
ce
couleurs et aux contours appris avec le réseau Nce
. Les
descripteurs ont été calculé pour six classes sur les images
couleurs de la base 2DCar (⇤) et sur les images de contours
synthétiques générées avec la base 3DCar ( ) .
4
F IGURE 3 – Courbes de rang. L’axe des abscisses représente le rang [1, .., N ] l’axe des ordonnées la performance
de reconnaissance de marques et modèles de véhicule. Les
courbes de même couleur sont associées au même réseau
mais testé sur différents types de données provenant de
la base 2DCar : contours (lignes pointillées) et couleurs
(lignes entières). Les courbes magenta correspondent au
réseau appris avec notre approche.
Conclusion
Pour conclure, l’approche proposée permet de calculer
des descripteurs communs aux images couleurs et images
contours. Ces descripteurs sont très discriminants pour la
reconnaissance de marques et modèles de véhicules sur les
deux domaines. Une fois ces descripteurs appris, nous les
utilisons pour apprendre un classifieur fin sur des images de
contours synthétiques pouvant être appliqué à des images
couleur réelles. La puissance de l’approche réside dans le
fait qu’il est facile de générer pour l’entraînement beaucoup d’images synthétiques sans effort de labellisation.
Nous donnons des résultats prouvant l’efficacité de la méthode. Ce travail montre la capacité des CNN à apprendre
des descripteurs invariants aux domaines et démontre leurs
pouvoirs de généralisation pour la reconnaissance fine sur
plusieurs domaines. Une perspective de ce travail est le
passage à l’échelle en augmentant le nombre de modèles
3D.
Références
[1] J. Krause, H. Jin, J. Yang, and L. Fei-Fei, “FineGrained Recognition without Part Annotations,”
CVPR, 2015.
[2] N. Zhang, J. Donahue, R. Girshick, and T. Darre,
“Part-based R-CNNs for Fine-grained Category Detection.,” ECCV, 2014.
Request
Citroen C4
Chrysler Pacifica
Mercedes C-Class
Alpha 147
Rank 1
Citroen C4
Nissan Altima
Mercedes C-Class
Alpha 147
Rank 2
Toyota Matrix
Toyota RAV4
Nissan Altima
Peugeot 307
Rank 3
Audi Q7
Chrysler Pacifica
Mercedes E400T
Mercedes R-Class
Rank 4
Mercedes R-Class
Rank 5
Nissan Maxima
Lexus LS430
Chrysler PTCruiser
Jaguar S-Type
Mercedes R-Class
Audi Q7
Lexus LS430
F IGURE 4 – Exemples de résultats obtenus pour la classification de marques et modèles de véhicule en utilisant le
réseau Nsce . Le réseau de neurone convolutif prend en entrée une image couleur réelle de la base 2DCar (première
colonne) et produit un score de confiance de classification
pour chaque modèle 3D de la base 3DCar.
[3] J. Liu, A. Kanazawa, D. Jacobs, and P. Belhumeur,
“Dog breed classification using part localization,”
ECCV, 2012.
[22] M. Long and J. Wang, “Learning transferable features
with deep adaptation networks,” ICML, 2015.
[4] Y. Taigman, M. Yang, M.A. Ranzato, and L. Wolf,
“Deepface : Closing the gap to human-level performance in face verification,” CVPR, 2014.
[23] E. Tzeng, J. Hoffman, N. Zhang, K. Saenko, and
T. Darrell, “Deep domain confusion : Maximizing
for domain invariance,” CoRR, vol. abs/1412.3474,
2014.
[5] K. Ramnah, S.N. Sinha, and R. Szeliski, “Car make
and model recognition using 3d curve alignment,”
WACV, 2009.
[24] F. Massa, B. Russell, and M. Aubry, “Deep Exemplar
2D-3D Detection by Adapting from Real to Rendered
Views,” ArXiv e-prints, vol. abs/1512.02497, 2015.
[6] J. Prokaj and G. Medioni, “3-d model based vehicle
recognition,” WACV, 2009.
[25] L. Wang, S. You, and U. Neumann, “Supporting
range and segment-based hysteresis thresholding in
edge detection.,” ICIP, 2008.
[7] Y-L. Lin, V.I. Morariu, W. Hsu, and L.S. Davis,
“Jointly Optimizing 3D Model Fitting and FineGrained Classification,” ECCV, 2014.
[26] J. Canny, “A computational approach to edge detection,” PAMI, 1986.
[8] J. Krause, M. Stark, J. Deng, and L. Fei-Fei, “3D object representations for fine-grained categorization,”
Workshop ICCV, 2013.
[27] S. Chopra, R. Hadsell, and Y. LeCun, “Learning a
similarity metric discriminatively, with application to
face verification,” CVPR, 2005.
[9] L. Yang, P. Luo, C.C. Loy, and X. Tang, “A largescale car dataset for fine-grained categorization and
verification,” CVPR, 2015.
[28] M. Everingham, L. Van Gool, C.K.I. Williams,
J. Winn, and A. Zisserman, “The PASCAL Visual
Object Classes Challenge 2007 (VOC2007) Results,”
.
[10] J. Long, E. Shelhamer, and T. Darrell, “Fully convolutional networks for semantic segmentation,” CVPR,
2015.
[11] C. Farabet, C. Couprie, L. Najman, and Y. LeCun,
“Learning hierarchical features for scene labeling,”
PAMI, 2013.
[12] R. Girshick, J. Donahue, T. Darrell, and J. Malik,
“Rich feature hierarchies for accurate object detection and semantic segmentation,” CVPR, 2014.
[13] R. Girshick, “Fast r-cnn,” ICCV, 2015.
[14] X. Peng, B. Sun, K. Ali, and K. Saenko, “Learning
deep object detectors from 3d models,” ICCV, 2015.
[15] H. Su, Y. Li, and L.J. Guibas, “Render for cnn : Viewpoint estimation in images using cnns trained with
rendered 3d model views,” ICCV, 2015.
[16] Z. Zeeshan, M. Stark, B. Schiele, and K. Schindler,
“Detailed 3d representations for object modeling and
recognition,” PAMI, 2013.
[17] M. Aubry, D. Maturana, A. Efros, B. Russell, and
J. Sivic, “Seeing 3d chairs : exemplar part-based 2d3d alignment using a large dataset of cad models,”
CVPR, 2014.
[18] J.J.Lim, A.Khosla, and A.Torralba, “Fpm : Fine pose
parts-based model with 3d cad models,” ECCV, 2014.
[19] B. Pepik, M. Stark, P. Gehler, and B. Schiele,
“Teaching 3d geometry to deformable part models,”
CVPR, 2012.
[20] M. Stark, M. Goesele, and B. Schiele, “Back to the
future : Learning shape models from 3d cad data,”
BMVC, 2010.
[21] Y. Ganin and V. Lempitsky, “Unsupervised domain
adaptation by backpropagation,” ICML, 2015.
[29] C. Szegedy, W. Liu, Y., P. Sermanet, S. Reed, D. Anguelov, D. Erhan, V. Vanhoucke, and A. Rabinovich,
“Going deeper with convolutions.,” CVPR, 2014.