该博客详细解析了2012年一篇关于使用灵活的部件混合模型进行关节人体检测的论文。介绍了公式理解，包括关节位置、部件类型及其得分函数。还提及了特例情况、时间复杂度分析，并推测了最大得分时的关节配置。此外，文章概述了学习过程，采用监督学习方法，并给出了实验结果，涉及多个数据集和评估指标。
公式理解
1. 有14个关节点，可扩展到26个，k=14 parts；parts有4个type类型。
l i = (x,y)表示像素位置 i ∈ {1,...K}, l i ∈ {1,...L} （L：特征金字塔有L层）
t i ∈ {1,...T}表示part i的类型（包括parts的方向，语义）
2.对某一part(i)的一个type的打分函数： （错，i的求和又怎么理解？？）
26个关节点的一种混合type得分函数，包括每个关节位置b和两个关节位置的关系b：
b：配置参数，得分。（因为HOG特征对不同type(状态)的part有不同滤波，maxS(t)得到混合part得分最高的type）
3.最终打分
26个关节点的一个混合type的最终得分：
最低0.47元/天 解锁文章
扫一扫
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
