经典论文阅读笔记——Feature篇(下)

本文摘录了五篇经典计算机视觉论文的亮点,包括《Robust Real-time Face Detection》的人脸检测Adaboost应用,HOG特征在行人检测中的应用,傅里叶和小波描述子的形状表示,SURF的快速稳健特征,以及ASIFT的仿射不变性方法。这些特征技术在现代计算机视觉中仍有广泛应用。
摘要由CSDN通过智能技术生成

7.《Robust Real-time Face Detection》(IJCV 2004)

这篇文章重点并不在特征上而是Adaboost的应用,但基于它的名气也放在这里吧,在深度学习没火起来之前应该算是最最常用的人脸检测算法了。

核心思路如下:

  1. 求取图像积分图(快速计算);
  2. 采用Adaboost算法选择特征:每一次迭代选择一个最优Haar特征(弱分类器),多次迭代的Haar特征进行组合(强分类器);
  3. 通过预设的检测率、误识率等参数进行多次2步骤,将强分类器级联;
  4. 滑窗方法检测,多尺度通过对图像大小进行尺度变换得到。

值得注意的地方:

  1. Haar特征非常适用于Adaboost这类型的组合算法,因为一张图的Haar特征非常非常多
  2. 将多种特征进行组合的算法,如Boosting, Bootstrap这类都属于框架算法,里面具体的特征可以任意使用
  3. Adaboost算法目的是获得强分类器,而将强分类器进行级联,可以在保证检测率的基础上降低误识率(单个分类器很难做到如此精确)
  4. 积分图思想很是常用,图像中需要重复多次计算的都能用积分图加速(个人感觉和动态规划里的Memoization思想类似)

非常经典的一篇人脸检测论文,但是感觉并不是非常好懂,尤其是中间很大篇幅第一次看感觉都是云里雾里的,逻辑关系不大好弄清楚。不过网上解析的博客什么的很多,对理解很有帮助的。


  • 0
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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