读Robust Object Detection Via Soft Cascade 小结

• 看到文章是将softcascade的，因此大致读了一下，文章开始讲到以前的cascade（是不是就是opencv以前的traincascade方法？）方法的缺点，主要由以下几点：
•   本阶的判断至于本阶的特征得分门限值有关，与之前的阶数无关，这样的检测器是脆弱的，而且浪费了之前判断计算出来的特征得分；
• 最终检测器的检测率是每一阶分类器检测率的乘积，如果最后要达到90%的检测率以及10的-6次方的误检率，那么如果分类器有十阶，则每一阶需要保留99%的正样本，而且消除25%的负样本，这对于一开始的几阶可能容易达到，但是对于后面的阶数很难，而且会很耗时；
• 训练参数的设置必须通过不断地训练来寻求最好的训练参数，但是每次训练都很耗时（我个人觉得这一点是因为文章之后提出了ROC曲面来解决问题，但是如果不用这个曲面的话，softcascade也需要通过多次实验来找参数）
• 对于参数的选择没有一个明确的方法？关于阶数，顺序，目标检测率，误检率等，这些都会影响检测速率，在保证检测率的前提下，没有方法来设置这些参数来达到最佳的检测速率（这一点貌似也是因为文章后来提到了ROC surface解决，所以才说这是之前cascade的缺点）