[论文笔记2]a fast feature pyramid

优化分类速度：
for optimizing classification speed given precomputed image feature:

1.cascades structure---soft cascade ,rather than attentional cascade structure in VJ.

soft cascade的应用。Adaboost分类器包括2000个弱分类器，传统的方法每一次检测都必须通过一层一层的通过这2000个弱分类器，通过每层分类器时会返回一个detection score,soft-cascade的思想就是在每个弱分类器里添加一个门限值（threshold），如果detection score低于这个threshold，便中断本次检测，而不需要通过后面的分类器以节省时间。作者训练的每个model都有其自己的soft-cascade threshold。

2.coarse-to-fine search

3.distance transforms.

快速的特征金字塔的构建：

hq' = k*hq

使用从原图计算得到的梯度来近似上采样图像上的梯度直方图

上采样 u = 2

下采样 u = 0.34

和归一化:(在物体识别时有提升)

power law govern feature scaling:

f(I) as a weighted sum of the channel C = Oumu(I),梯度直方图，线性滤波，颜色统计都可以写成这种f形式，任何low-level的位移不变的欧姆Oumu都适用。

f(Is1)/f(Is2) = (s1/s2)exp(-lamda) + epsilo  （1）

每个比例都有一个对应的lamda。由经验决定

fast feature pyramid

对aggregated的信息更鲁棒，所以一般采用下采样或平滑Is所对应的Cs。smooth with [1,2,1]/4 filter.

ACF与ICF

相同：使用相同的通道特征和提升分类器

不同：ACF使用在聚集通道中的单个像素查找作为特征，而ICF使用矩形通道区域内的和（由积分图快速算出）

ACF：对于输入图像I，计算若干个通道C，对C中每个block内的像素求和，然后去平滑这些（已经）低分辨率的通道。Features are single pixel lookups in the aggregated channels..Adaboost,Multi-scale slide window.

ICF利用power law governing feature scaling:可以重新缩放detector 而不是channels。

而且rectangular channel sums 被写成：Af(I),A 是矩形区域。（1）式仍可适用。

 结论： finely sampled pyramid may be obtained inexpensively by extrapolation from coarsely sample ones.

自然图片适用，纹理和白噪声图片不适用

end