目标检测--LatentSVM和（Deformable Part Model，DPM）

最新推荐文章于 2023-03-29 11:54:20 发布

曼陀罗彼岸花

最新推荐文章于 2023-03-29 11:54:20 发布

阅读量3k

点赞数

分类专栏：机器视觉图像处理

本文链接：https://blog.csdn.net/tiandijun/article/details/50499656

版权

本文介绍了Felzenszwalb提出的将LatentSVM与Deformable Part Model结合用于目标检测的方法，详细讨论了Hog特征、Deformable Part Model和Latent SVM在目标检测中的应用。通过Hog特征模板匹配和Deformable Part Model衡量窗口得分，使用Latent SVM将学习问题转化为分类问题。文中提到了几个关键论文，并提供了代码实现资源，包括旧版和新版代码，以及Windows下的调试步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、综述

Deformable Part Model和LatentSVM结合用于目标检测由大牛P.Felzenszwalb提出，代表作是以下3篇paper：

[1] P. Felzenszwalb, D. McAllester, D.Ramaman. A Discriminatively Trained, Multiscale, Deformable Part Model. Proceedingsof the IEEE CVPR 2008.pdf 中文译文

[2] P. Felzenszwalb, R. Girshick, D.McAllester, D. Ramanan. Object Detection with Discriminatively Trained PartBased Models. IEEE Transactions on Pattern Analysis and Machine Intelligence,Vol. 32, No. 9, September 2010.pdf 中文译文

[3] P. Felzenszwalb, R. Girshick, D.McAllester. Cascade Object Detection with Deformable Part Models. Proceedingsof the IEEE CVPR 2010. pdf

其中[2]阐述了如何利用DPM来做检测（特征处理+分类阶段），[3]阐述了如何利用cascade思想来加速检测。综合来说，作者的思想是Hog Features+Deformable Part Model+Latent SVM的结合：