图像检测
文章平均质量分 50
年年_MomoRongme2
有梦想的程序媛,努力成为更好的自己。
展开
-
积分通道特征(integral channel features)(大腿写的详细版)
原作者@ChenLee_1申明:本文为笔者阅读了英文文献后翻译、整理所得,并非笔者原创;需要详细了解的朋友建议翻阅作者的原著:Integral Channel Features; Piotr Dollar、Zhuowen Tu; BMVC2009;目标检测算法的性能主要受到两个因素的制约:学习算法和特征描述算子。积分通道特征(作者自创的词汇,后面会详转载 2017-11-07 16:17:19 · 1332 阅读 · 0 评论 -
How Far are We from Solving Pedestrian Detection?
是一篇综述性文章。作者为了得知当前最好的检测方法还有多大发展空间,采取的方法就是将当前较好的检测方法与人工检测做对比。人工检测方法:从头顶到双脚之间画一道线,框出人所在的位置。对比方式:自动检测方法画出的方框如果与人工检测的方框重合度达到50%以上,就认为检测到了此行人。对比结果:最好的检测方法也比人工检测的效果差了10%。P.S.check原创 2017-12-19 11:12:25 · 678 阅读 · 0 评论 -
How Far are We from Solving Pedestrian Detection?
原文链接 http://blog.csdn.net/cv_family_z/article/details/52119644CVPR 2016 我们离解决行人检测问题到底还有多远?How Far are We from Solving Pedestrian Detection? 项目网页:https://www.mpi-inf.mpg.de/departments/转载 2017-12-17 12:52:53 · 336 阅读 · 0 评论 -
integral channel features (通俗易懂版)
原作者:Ddreaming本文是我piotr dollar的integral channel features的理解,如有错误或者疑问请及时与我联系,谢谢。一、导读Integral Channel Features是指一类特征,这类特征可以通过积分图(Integral images)快速的计算出来。例如,Haar feat转载 2017-11-09 17:17:26 · 928 阅读 · 0 评论 -
Histograms of Oriented Gradients for Human Detection 翻译
本博客原作者:masikkkhttp://blog.csdn.net/masibuaa/article/details/14056807用于人体检测的方向梯度直方图Navneet Dalal,Bill Triggs 摘要 我们研究了视觉目标检测的特征集问题,并用线性SVM方法进转载 2017-11-09 20:00:33 · 435 阅读 · 0 评论 -
Ten Years of Pedestrian Detection,What Have We Learned? 知识笔记
本文作者:Rodrigo Benenson Mohamed Omran Jan Hosang Bernt Schiele以Caltech行人检测为基准分析了近十年广泛流通的具有标志性的40多种检测方法。进行了对多种已经被广泛认可的研究方法的补充性的研究。这种决策林达到了目前已知的最好的效果。(在具有挑战性的Caltech-USA dataset上)原创 2017-11-09 20:24:11 · 577 阅读 · 0 评论 -
HOG+LBP+Haar
原文 http://dataunion.org/20584.html(一)HOG特征1、HOG特征:方向梯度直方图(Histogram of Oriented Gradient, HOG)特征是一种在计算机视觉和图像处理中用来进行物体检测的特征描述子。它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合 SVM分类器已经被广泛应用于图像识别中,尤其在行人检测转载 2017-11-10 10:19:48 · 577 阅读 · 0 评论 -
灰度不变性LBP( gray scale invariant) 旋转不变性LBP(rotation invariant)旋转不变等价LBP(rotation & uniform invarian )
老外的原文:《Multiresolution gray-scale and rotation invariant texture classification with local binary patterns》 Timo Ojala, Matti PietikaÈ inen,2002 本文将对这篇文章做部分翻译,最后将分别给出下列代码实现。灰度不变性LBP( gray sca转载 2017-11-15 20:02:03 · 3410 阅读 · 0 评论 -
LBP代码详细注释
%LBP returns the local binary pattern image or LBP histogram of an image.% J = LBP(I,R,N,MAPPING,MODE) returns either a local binary pattern% coded image or the local binary pattern histogram of an转载 2017-11-24 15:42:45 · 3570 阅读 · 2 评论 -
LBP简介(附opencv代码)
LBP(local binary pattern)是一种用来描述图像局部纹理特征的算子。原始的LBP于1994年提出,它反映内容是每个像素与周围像素的关系。后被不断的改进和优化,分别提出了LBP旋转不变模式、LBP均匀模式等。一:原始的LBP 给出一个简单的案例计算LBP:如下图,周围8个像素点比中间点像素值大(或者相等)的记为1,小的记为0,这样就得到二值图,然后按顺时针方向转载 2017-11-26 16:31:32 · 801 阅读 · 0 评论 -
积分通道特征(Integral Channel Features)(我写的(文章的部分内容))
积分通道特征四大优点:1. 集成不同种类的特征(信息)2. 只需要很少的参数设置 & 对参数精确与否不敏感3. 探测过程中,对空间的定位很精确4. 与级联分类器(cascade classifiers)协同工作时速度很快p.s. 级联分类器:多个分类器链接在一起,多层树分类器(V-J)。特征:高检测率,低拒绝率。注:高检测率低拒绝率 会导致在一个结点上人脸99.9%原创 2017-11-07 11:14:10 · 1320 阅读 · 0 评论 -
Learning Multilayer Channel Features for Pedestrian Detection(MCF)
MCF多层通道特征摘要:传统方案是手工提取特征(hog+luv)+CNN MCF有更丰富的features,在Caltech数据集上有很好的表现。使用更新更精细的图片注释方法,误检率能降到7.98%,前期去除没行人的图片能提升1.43倍的检测速度,给重叠的窗口打低分能提升4.07倍的检测速度。介绍:用CNN的行人检测方法主要分两个步骤:1.确定提取方案(传统方法)。2.用CNN进行分类(判别有行人...原创 2018-02-19 23:38:35 · 390 阅读 · 0 评论