[论文笔记3]Aggregated channel features

最新推荐文章于 2021-01-25 11:02:11 发布

John2King

最新推荐文章于 2021-01-25 11:02:11 发布

阅读量4.9k

点赞数

分类专栏： CV

本文链接：https://blog.csdn.net/lebula/article/details/49636705

版权

这篇论文笔记介绍了在图像识别中使用聚合通道特征（ACF）的方法。研究发现，单尺度正方形Haar小波在该框架下足够有效。通过平滑和下采样通道，可以直接从下采样的通道获取特征，提高了计算速度并减小了特征池。ACF涉及到的颜色通道、梯度幅度和梯度直方图等特征设计，与提升分类器配合良好。检测窗口大小、下采样因子、平滑处理和多尺度应用等因素影响着特征的表现和性能。

摘要由CSDN通过智能技术生成

We found that single-scale
 square Haar wavelets were sufficient in the ICF framework. Thus instead
 of computing integral images and Haar wavelets, we simply smooth and
 downsample the channels and the features are now single pixel lookups in
 the "aggregated" channels.

the aggregated pixels in all subsampled channels are then vectorized into a pixel look-up table.

由于特征直接从下采样的通道里由像素值提取而来，而不是使用积分图计算不同位置和比例的矩形区域求和。特征算的快，并且特征池变小。跟提升分类器配合好。

Feature design:

1.channel types:

color channel，gradient magnitude ,gradient histogram,

后两者可