DPM作为一种能力较强的物体检测算法,在发表后一直受到持续关注。顶级会议上一直还有论文阐述如何对DPM检测进行加速。其中比较有代表性的包括:
[1] CVPR 2010:Cascade Object Detection with Deformable Part Models
DPM作者的论文,论文中提到了两种降低检测复杂度的方法。第一种是级联检测法,是否存在待检测物体的衡量标准,是某个根模型与部分模型和位置组合,与相应的HOG特征的内积之和大于某个阈值。事实上,如果某些根模型与部分模型的位置组合,在仅仅计算其中几个模型与HOG特征的内积后,如果这些内积之和太小,就说明这些位置组合不可能存在待检测物体,因此可以设置一系列阈值,在不停的计算各模型与HOG特征内积并求和的过程中,判断当前内积之和与对应的阈值的关系,只有内积之和大于阈值才继续往下计算。第二种是特征降维,31维的HOG特征在内积计算时还是显得耗时,通过PCA使得31维的特征进一步降低至5维,能够使得内积运算消耗的时间大大降低。
[2] ECCV 2012:Exact Acceleration of Linear Object Detectors