BING：Binarized Normed Gradients for Objectness Estimation at 300fps 总结

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