Beyond sliding windows-Object Localizationby Efficient Subwindow Search论文阅读

来源：互联网发布：网络课程的英文编辑：程序博客网时间：2024/06/05 23:59

这段时间我主要完成了：

一、《Selective Search for Object Recognition》（重点学习）：

1、对代码每一步，甚至每一个变量含义都看懂。

2、修改源代码，使其能够在自己建立的环境下运行。

3、对代码进行单步调试，对照论文中介绍的算法再次加深理解。

4、获得实验结果。

二、bag of visual words视觉词袋模型：

1、了解Bovw模型含义，和使用过程。

2、通过C语言简单实现bovw模型。

三、《Beyond sliding windows-Object Localizationby Efficient Subwindow Search》英文论文原文阅读（重点学习）：

1、阅读英文原文。

2、将英文原文简单翻译，加深理解论文内容。

四、《Efficient Subwindow Search》C++实现（重点学习）：

1、对代码每一步，甚至每一个变量含义着重理解，看懂为止。

2、对每一步进行注释，使其能够在自己搭建的环境下（OpenCV3.2+VS2015）运行。

3、对程序进行单步调试，理解程序运行的每一步，加深理解论文中介绍的算法。

4、获得实验结果。

这段时间里，先是拿出大量的时间阅读英文论文，第一次看有关专业方面的英文文献，所以我非常认真，把文章中每一个单词都查了一遍，看不懂的句子反复阅读，结合上下午直到看懂。《Beyond sliding windows-Object Localizationby Efficient Subwindow Search》这篇论文中的第二部分Efficient Subwindow Search(ESS)和第三部分Application Ⅰ:Localization of non-rigid objects using a bag ofvisual words kernel至少看了六七遍才逐渐摸清思路。之后我感觉但看论文理解其中的算法还是不足够的。并进行简单修改后适应自己电脑上的开发环境，可以运行之后单步调试，在此期间继续阅读论文中介绍的原理部分。通过单步调试理论和代码实践结合理解，这最终才算是看懂了一些。

对于这两篇论文《Selective Search for Object Recognition》和《Beyond sliding windows-Object Localizationby Efficient Subwindow Search》都介绍的是物体识别，定位算法：

Selective Search算法我理解的是将图像分割（使用Graph-Based Image Segmentation图像分割）成很多小区域，通过区域之间的相似度进行合并，获得最可能的候选区域。然后每个区域进行判别,也就是判别每个区域到底是"牛"还是"非牛"。

Efficient Subwindow Search算法我的理解是将问题的解空间用［T,B,L,R］(对应矩形的上下左右４条轴)4 个区间来表示（初始为整个图像），每次选取最长的一个区间分割,并计算解空间的上边界quality bounding function（空间内最大矩形的正值和　+ 空间内最小矩形的负值和),并以此进行优先搜索，在这个算法中利用到上边界优先队列，上边界值最大的矩形集合即为最有前景的区域。

这两个算法的差别我认为是Selective Search是先分割后逐渐合并找到目标定位，Efficient Subwindow Search是主键分割最有前景的的矩形集合[T,B,L,R]直到不可分割为止找到目标定位。

至此暑假任务基本完成，剩余的暑假中我准备利用暑期所学的知识（特征检测和匹配，目标识别定位）再次回顾，试着使用opencv自己做一些小程序。

Efficient Subwindow Search算法结果