一种 Deformable Parts Model (DPM) 快速检测算法的简介与进一步加速

最新推荐文章于 2021-09-23 15:37:35 发布

zxpddfg

最新推荐文章于 2021-09-23 15:37:35 发布

阅读量6.7k

点赞数 3

分类专栏：物体检测模式识别

本文链接：https://blog.csdn.net/zxpddfg/article/details/46289123

版权

本文简要回顾Deformable Parts Model (DPM) 检测流程，重点介绍Fast Fourier Linear Detector (FFLD)如何利用FFT加速卷积运算，并探讨FFLD的进一步优化策略，包括模型FFT缓存、HOG金字塔加速搭建和分层检测方法，以提高DPM的检测效率。

摘要由CSDN通过智能技术生成

前面的博文Deformable Parts Model (DPM) 检测加速算法简介中已经提到过，

[1] ECCV 2012 Exact Acceleration of Linear Object Detectors

一文借助FFT，将模型与HOG特征在空域中的卷积计算，转化为频域中对应位置元素的乘法运算，实现了DPM检测的加速。另外，这篇论文给出了整个DPM检测算法的C++实现，称为Fast Fourier Linear Detector，简称FFLD（点击下载代码），参考价值非常大。本文将对DPM算法检测流程进行简要回顾，然后简述[1]中采用FFT对卷积运算进行加速的方法FFLD，最后阐述如何在FFLD代码的基础上进行进一步的加速。

算法回顾

首先对DPM检测流程进行回顾，如图1所示。

图1 DPM检测标准流程

FFLD：采用FFT对卷积运算进行加速

[1]中对于为何FFT能够对模型与HOG特征的卷积计算进行加速做了较为详细并且浅显易懂的解释说明，这里不再重复。下面采用一维信号距离简单说明。

假设有两个长度为n的一维向量x和y，我们要在时域上直接计算这两个向量的卷积z，那么计算的复杂度是O(n*n)的。但是转换到频域计算就不一样了。时域上的卷积对应于频域上的相乘。对x和y进行FFT，得到X和Y，复杂度是O(nlogn)的，在频域上X和Y两个序列对应位置元素做复数乘法，得到频域序列Z，其复杂度是O(n)的，再将频域上的Z进行IFFT得到时域的z，复杂度是O(nlogn)的，所以利用FFT计算卷积能够将总的复杂度从O(n*n)降至O(nlogn)，并且序列长度越大，降低的程度就越多。

假设我们有模型F和三个HOG特征层HOG0，HOG1和HOG2，F和这三个HO