刚刚接触目标检测的东西,这篇文章转载过其他人的笔记,但是总觉得 应该自己写一下
“Regionlets for Generic Object Detection”有一段话:
Object detection is composed of two key components: determing where the candidate locations are in images and
discerning whether they are the objects of interests.
这是目标检测的两个重要组成部分。
本文基于一个事实:人在观察物体的时候并非像sliding window那样一点一点的处理,而是只处理了视野内的少部分信息提前进行了预测。所以Training a generic objectness measure to produce a small set of candidate object windows是很有必要的。
文中有两个重要创新点:1)发现了NG特征下,目标与背景状态的不同;2)二进制的加速手段。
详细内容可以参考:http://blog.csdn.net/u012290039/article/details/32704273
这里做简单的总结,所谓NG就是把不同box的梯度resize成8*8大小,作为特征;所谓BING就是对其进行二值化,仅用简单的ADD和bitwise shift处理,加快速度(计算一个window的objectness score仅需2个float乘法,一个float加法,十来个bitwise operation。)。然后用LinearSVM学习方法处理。在减少候选框的情况下获得很高的DR;比PAMI2012, PAMI 2013, IJCV 2013 的方法快了1000倍,测试速度达300个图像每秒。
文章最后提出了一些问题:
像绳子蛇这样的目标问题矩形框的描述并不准确;
跟文中引用的[18]结合实现实时检测;
在不降低DR的情况下,减少proposals的数量。
个人感觉理解的并不透彻,以后如果有所启发,继续完善