霍夫森林(Hough Forest)目标检测算法
来源:互联网 发布:网络推广服务 编辑:程序博客网 时间:2024/05/23 10:28
转自 http://blog.csdn.net/gxf1027/article/details/8308655 留着学习
Hough Forest目标检测一种比较时兴的目标检测算法,Juergen Gall在2009的CVPR上提出。
Hough Forest听上去像hough变换+Random Forest的结合体,其实,不完全是这样的。它更像是decision forest和regression forest的结合体再加上generalized hough transform:森林中每棵树即不是分类树也不是回归树,而是其中的每个节点可能为分类节点或者回归节点。分类节点最小化class-label uncertainty,而回归节点最小化offset uncertainty。然后输出2D的Hough Image(当然可以扩展到3D,4D),在这上面找到局部极值就是目标的参数(position, scale, aspect ration)。
与传统的目标检测器不同,训练样本是P={I,c,d}, I是目标的一个局部图像块(patch),c是它的类标签,d是它到目标中心的偏移(offset)矢量(2D);随机树生长的目的是使节点样本的类别和offset不纯度最小化,分别对应决策节点和回归节点。节点上的分裂准则采用了像素值比较的方法。最后叶子节点记录一些统计量:CL表示正样本比例,DL样本偏移的集合。另外,训练的时候作者也采用类似级联的方式,forest=5trees+5trees+5trees,即第一次5棵树生长完成后,一些分类比较困难的样本再用来训练下一批树。
检测阶段,从图像上提取patch,pass down through every tree in the forest,然后给2D hough image上位置为x的点投票。对图像进行dense sampling,最后输出hough image。
以下是我读论文时的一些标注。
- 【目标检测:Hough Forest】霍夫森林(Hough Forest)目标检测算法及其原理(二)
- 霍夫森林(Hough Forest)目标检测算法
- 霍夫森林(Hough Forest)目标检测算法
- 霍夫森林(Hough Forest)目标检测算法
- 霍夫森林(Hough Forest)目标检测算法
- 霍夫森林(Hough Forest)目标检测算法
- 霍夫森林(Hough Forest)目标检测算法
- 【目标检测:Hough Forest】目标检测原理(三)——基于霍夫森林的目标检测
- 目标检测之hough forest
- 【目标检测:Hough Forest】hough forest目标检测原理(一)
- Class-Specific Hough Forests for Object Detection随机森林(霍夫森林)来做物体(分类)检测
- Random Forest随机森林算法
- 基于坐标变换与随机Hough 变换的抛物线运动目标检测算法
- Hough Transform 霍夫变换检测直线
- 霍夫变换(Hough Transform)直线检测
- Hough Transform 霍夫变换检测直线
- 霍夫变换与直线检测hough
- Hough Transform 霍夫变换检测直线
- 计算程序运行时间的方法
- iOS开发同步下载
- Pongo建立信号基站-实际上还是考中位数
- K-Means 算法
- 文本文件比较脚本
- 霍夫森林(Hough Forest)目标检测算法
- IOS异步下载
- C语言算法系列:堆排序
- Pthread使用例子
- 6.8 程序锁功能的实现
- Documentation\acpi\method-custonmizing
- 原生的NSURL同步下载
- 学习资料
- 【PAT】1020. Tree Traversals (25)