LIFT: Learned Invariant Feature Transform

[sergeypid]

Как прекрасно, что у нас появляются оригинальные работы по тематике deep learning! А то все переводы, переводы...

[Dark_Daiver]

Если я правильно понял, то эта статья все же вольный пересказ существующей работы. Извиняюсь если не прав.

[BelBES]

Ага, обзор статьи по итогам её обсуждения в чатике.

[sim0nsays]

Спасибо за статью! Очень круто, что получается такой сложный пайплайн end-to-end тренировать. И опять же интересен подход — используем для создания ground truth существующие, но очень дорогие методы, а потом тренируем модель, которая может работать везде.

Можно каких-то ссылок добавить на реализацию-оригинал статьи-итд?

[BelBES]

Можно каких-то ссылок добавить на реализацию-оригинал статьи-итд?

Добавил пару полезных ссылок.

[Smorodov]

Вот интересно, если скормить этой штуке в качестве датасета определенный класс объектов, например лица, то вероятно получим некое подобие ландмарков, далее PCA и получим что-то вроде обучаемых моделей активной формы для произвольного класса объектов.

[BelBES]

Народ вроде бы говорит, что задача поиска ландмарков для лиц уже решена… куда там еще улучшать?

[Dark_Daiver]

А можно работу с state-of-the-art результатми? А то последний раз я пробовал dlib, и местный детектор не особо был точен на глазах

[BelBES]

Я лицами особо не занимаюсь, но, вроде бы, сейчас Open Face и dlib — это как раз и есть state of the art из публично доступных фреймворков (в последний, кстати, сейчас активно запиливают deep learning).

[ZlodeiBaal]

Недавно копался. Пока в dlib поиск лиц DL, а особые точки были не DL. Причём поиск не был подключаем для питона, только плюсы.
Это не мешает существовать другим открытым работам, где поиск и точек и лиц существует.

[Smorodov]

Да, но требуется датасет, размеченный человеческим существом :) а так можно было бы всю задачу скинуть на машину, т.к. по данным можно лучше вывести какие точки брать для данного объекта.

[BelBES]

Может быть что-то и должно получиться, хотя тут мне кажется, что GAN'ы могут дать результат и получше для feature selection'а.