C++实现DPM/LatentSVM 完整代码下载 --- 第四篇

最新推荐文章于 2023-03-29 11:54:20 发布
VIP文章 最新推荐文章于 2023-03-29 11:54:20 发布
阅读量6.3k 收藏 2
点赞数 2
分类专栏： DPM source code
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/YU_Xianguo/article/details/50443966
版权

    这篇文章的目的是解释一下FastDPM的工作流程。。。


    有些人对我公布的FastDPM代码（见其它几篇博文）有兴趣，想读这个代码，所以给我发邮件询问工作原理的，我曾单独给了邮件回答，这里把其中一个往来邮件贴在这里。

    话说这个貌似是个老外，用英语写的邮件。。。

1.来自Maxwell的询问邮件：

<span style="font-family:Arial;font-size:18px;">Hi yuxianguo,

My name is Maxwell i appreciate a lot the tool that you implemented
"Fast DPM" Now i'm working in person identification and the latentsvm
algorithm is one of the stuff that i should deal, i don't want your
source code but if you can give some orientation in terms of workflow
or specifications to implement my own latentSVM in C/C++

I'm studen
最低0.47元/天 解锁文章
yu_xianguo
关注
  • 2
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 23
    评论
专栏目录
DPM(Deformable Parts Model)--原理(一)
Note of Transposition
10-23 7万+
DPM是一个非常成功的目标检测算法，连续获得VOC（Visual Object Class）07,08,09年的检测冠军。目前已成为众多分类器、分割、人体姿态和行为分类的重要部分。2010年Pedro Felzenszwalb被VOC授予"终身成就奖"。DPM可以看做是HOG（Histogrrams of Oriented Gradients）的扩展，大体思路与HOG一致。先计算梯度方向直方图，然后用SVM（Surpport Vector Machine ）训练得到物体的梯度模型（Model）。有了这样的模
LatentSvmDetector 人体常用的分类器，训练好的
04-28
LatentSvmDetector 人体常用的分类器，训练好的
FastDPM完整代码，C++，CPU。代码实际上仍有很大优化空间。
11-01
http://blog.csdn.net/yu_xianguo/article/details/49742903
FastDPM-2015-Nov.zip
09-22
C++版本DPM的行人检测，效果比hog要好，速度没Hog快。
cascade检测器+DPM-C++实现
09-07
cascade检测器+DPM-C++实现，代码来自网络，仅供参考，亲测可以运行，用的C++实现的DPM目标检测算法，值得学习
MATLAB中imread源代码-voc-dpm-train:你-dpm-火车
05-27
MATLAB中imread源代码 fork voc-dpm (voc-release5) train NWPU-VHR-10-dataset 系统要求： Linux MATLAB (已经测试过2016 2014版本) GCC (MATLAB2016版-gcc4.9 MATLAB2014版-gcc4.7) 新增的文件/文件夹说明： AerialImages:使用DPM训练得到的模型文件 mat2opencvxml.m：fork mat2opencvxml:使用mat2opencvxml.m将voc训练得到的代码转换为opencv_contrib中dpm支持的xml格式 mat2opencvxml_401.m：来源于网络,适用于voc-release4版本的转换，和当前voc-release5不兼容 data/pascal_data2.m：仿pascal_data.m文件新增，读取NWPU数据集的接口 hdebug.m:训练前的数据处理、训练指令、测试训练模型等代码 NWPU-VHR-10检测结果： airplane:运行demo.m airplane: %% detect load('A
FastDPM行人检测代码
11-03
vs2013的DPM检测进行目标检测的代码，更换模型可以进行不同类别的目标检测
Latent SVM算法实现行人检测opencv.zip
08-10
Latent SVM算法实现行人检测opencv.zip
目标检测之LatentSVM和可变形部件模型（Deformable Part Model，DPM）
热门推荐
holybin的专栏
06-03 1万+
一、综述 DPM和LatentSVM结合用于目标检测由大牛P.Felzenszwalb提出，代表作是以下3篇paper： [1] P. Felzenszwalb, D. McAllester, D.Ramaman. A Discriminatively Trained, Multiscale, Deformable Part Model. Proceedingsof the IEEE CVPR
基于支持向量机的目标检测与识别
qq_59931372的博客
03-29 1089
在传统的计算机视觉中，我们有两种方法来进行目标检测和识别，第一种就是支持向量机（SVM），第二种就是基于树的目标检测算法（此算法后面会讲到）。SVM的训练过程常用的方法有两种：词袋方法和隐式支持向量机，它们的区别就是前者可以进行整个场景的识别及分析，而后者主要应用于场景中的具体目标识别，如信号灯、车牌、人脸等。传统图像的处理方法就到此结束了，传统图像的处理可以分为三步：第一步，图像颜色空间转化、降噪、美化；第二步，寻找重要特征；第三步，对特征进行训练、分类、识别。
HOG与DPM原理
fengye2two的专栏
03-14 2898
感谢watersink的渊博知识，本文合并自： (1)https://blog.csdn.net/qq_14845119/article/details/52187774 (2)https://blog.csdn.net/qq_14845119/article/details/52625426 HOG： 写在前面的话 &nbsp; &nbsp; &nbsp; &nbsp;HOG绝对说的是行人检...
利用Opencv3.2中的DPM模块，实现DPM算法对行人的检测，一个完整的实现，含有注释和完整的工程文件，环境为win7+vs2013
09-07
利用Opencv3.2中的DPM模块，实现DPM算法对行人的检测，一个完整的实现，含有注释和完整的工程文件，环境为win7+vs2013
Fastdpm基于opencv3.x实现
01-17
稍微设置一下环境就可以使用，如果存在相对的包无法使用可以自主添加，代码有详细的注释。很容易理解。
DPM目标检测训练关键代码
01-09
Pedro F. Felzenszwalb的Object Detection with Discriminatively Trained Part Based Models这篇文献的MATLAB在windows下的训练模型实现，对于做目标检测的朋友很有用。里面是关键的几个DLL文件，需要去官网下载源码，然后将这几个dll文件放进去，具体参阅里面的说明文档.绝对原创，已经试验N多次了
DPM原文及原码
06-05
DPM的一些论文，以及最新的源码，第五版
Latent-SVM-MAT2XML-Converter:Latent-SVM-MAT2XML-Converter
06-30
将 LatentSVM 第 5 版 (DPM) 创建的 MAT 模型文件转换为 OpenCV XML 模型文件。 赶紧跑： mat2xml_release5('your_trained_mat_model.mat', 'opencv_compatible_model.xml'); 它将使用 OpenCV 的 ...
omp算法matlab代码-dpm-voc-5-windows-matlab:dpm-voc-5-windows-matlab
05-27
omp 算法matlab代码
matlab代码金字塔-dp-dpm:深金字塔DPM
05-20
Matlab代码金字塔深金字塔DPM 介绍 DeepPyramid DPM存储库是我们CVPR 2015论文的代码。 Ross Girshick是UC Berkeley的博士后（加入Microsoft Research之前），这项工作已经完成。 它在深特征金字塔的顶部实施了可...
用DPM训练自己的模型，并用于视频检测
sysu_yuhaibao的博客
04-02 5509
刚参加完一个机器人比赛，用到双目定位。其中涉及到用DPM匹配目标，得到目标区域内的特征点实现双目匹配。网上很多资源比较凌乱，所以整合起来，用于训练自己的模型。
C++实现DPM算法
最新发布
05-26
DPM (Deformable Part-based Models) 算法是一种目标检测算法，它采用了分层的结构来描述目标，并通过学习模型参数来实现目标的快速检测。 以下是一个简单的 C++ 实现 DPM 算法的示例代码： ```cpp #include <opencv2/opencv.hpp> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc/imgproc.hpp> #include <iostream> #include <fstream> #include <vector> using namespace cv; using namespace std; struct Feature { Mat image; int x, y, w, h; }; struct Model { vector<Feature> features; float score; }; vector<Model> models; void load_model(string filename) { ifstream file(filename); if (!file.is_open()) { cerr << "Failed to open file: " << filename << endl; exit(1); } string line; while (getline(file, line)) { Model model; model.score = stof(line); while (getline(file, line)) { if (line.empty()) break; Feature feature; stringstream ss(line); ss >> feature.x >> feature.y >> feature.w >> feature.h; Mat image(feature.h, feature.w, CV_8UC1); for (int y = 0; y < feature.h; y++) { for (int x = 0; x < feature.w; x++) { int pixel; ss >> pixel; image.at<uchar>(y, x) = pixel; } } feature.image = image; model.features.push_back(feature); } models.push_back(model); } } float match_feature(const Feature& feature, const Mat& image, int x, int y) { float sum = 0; for (int j = 0; j < feature.h; j++) { for (int i = 0; i < feature.w; i++) { int pixel = image.at<uchar>(y + j, x + i); sum += pixel * feature.image.at<uchar>(j, i); } } return sum; } float match_model(const Model& model, const Mat& image, int x, int y) { float sum = model.score; for (const auto& feature : model.features) { sum += match_feature(feature, image, x + feature.x, y + feature.y); } return sum; } vector<Rect> detect_objects(const Mat& image) { vector<Rect> objects; for (int y = 0; y < image.rows - 64; y += 8) { for (int x = 0; x < image.cols - 64; x += 8) { float max_score = -INFINITY; for (const auto& model : models) { float score = match_model(model, image, x, y); if (score > max_score) { max_score = score; } } if (max_score > 0.5) { objects.push_back(Rect(x, y, 64, 64)); } } } return objects; } int main() { load_model("model.txt"); Mat image = imread("image.jpg", IMREAD_GRAYSCALE); vector<Rect> objects = detect_objects(image); Mat result; cvtColor(image, result, COLOR_GRAY2BGR); for (const auto& object : objects) { rectangle(result, object, Scalar(0, 0, 255), 2); } imshow("Result", result); waitKey(0); return 0; } ``` 上述代码中，我们首先定义了 `Feature` 和 `Model` 结构体，分别表示特征和模型。然后，我们通过 `load_model` 函数从文件中加载模型，并将其存储在 `models` 变量中。 接着，我们实现了 `match_feature` 和 `match_model` 函数，用于计算特征和模型之间的相似度得分。最后，我们实现了 `detect_objects` 函数，用于在图像中检测目标。 在 `main` 函数中，我们首先调用 `load_model` 函数加载模型，然后读取待检测的图像，并调用 `detect_objects` 函数来检测目标。最后，我们在图像上绘制检测结果，并显示出来。 需要注意的是，上述代码只是一个简单的示例，实际应用中还需要进行许多优化和改进，以提高检测的准确率和效率。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 23
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值