关于程明明老师的BING一点自我看法——加速

本文为原创，欢迎转载，转载请注明出处：

http://blog.csdn.net/autocyz/article/details/43305767

       在我看来，首先要说明的一点就是，BING这个方法与其称之为一种新的一般物体识别方法，倒不如说是一种加速方法。其方法的成功之处就是在于其较快的处理速度，即其文章中所说的1000fps。目前，大部分的物体识别方法都是先学习大量的样本，获得学习结果，然后用不同的框遍历需要测试的图片，将遍历的框中内容依次与学习结果比对，然后确定框中是否存在此物体。然而，对于一幅N*N图像而言，要遍历所有可能的框，则其需要遍历的次数大约为N的4次方数量级。所以说，这个方框的筛选就变成了一个很大的问题，也是限制速度的主要因素。而BING这种方法就是一种快速挑出候选框的方法。下面就解释下，为何我认为其不是一种新的方法，而是一种加速方法。

1、其算法最终实现的功能并非物体识别，而是物体候选框的筛选。即其所说的每秒1000张图片的处理速度，并非真正找出图片中的物体，而是找出可能包含物体的候选框。这个候选框的数量大小一般是千位量级。即使如此，这也大大减少了后续物体识别的工作量。

2、其方法