多尺度滑动窗口法,multiple-scale sliding window method
来源:互联网 发布:玄牝之门 知乎 编辑:程序博客网 时间:2024/05/16 09:09
当前的人体检测技术,基本都会采用到多尺度滑动窗口法,该方法需要对图像做不同尺度的缩放,然后用固定大小的滑动窗口以等距步长在整幅图像上滑动,并对每一个滑动窗口做人体检测。
因此,这个方法的最大优点就是漏检率极低,因为它会对整幅图像都滑动,不会漏掉任何一个可能会出现人体的位置。但是这种优势,是用巨大的搜索空间和时间消耗换来的,检测效率自然会受到较大的影响。这个方法的大致原理,可用下面的流程图演示。
我们以大小为480*640的图像为例,缩放尺度为1.1,首先构建图片中最左侧的金字塔(构建金字塔的结束条件是最顶层图像长小于128或者宽小于64),然后以64*128的滑动窗口,滑动步长为8像素,对每一层都会进行滑动,获得检测窗口。这个时候,我们会获得13473张待检测图像,首先这个数量是很庞大的,其次就是图像冗余很大。
所以针对滑动窗口法的这一弱势,我们有必要对该方法进行改进~
0 0
- 多尺度滑动窗口法,multiple-scale sliding window method
- 多尺度滑动窗口 muti-scale
- Sliding Window 滑动窗口协议
- [Leetcode] Sliding Window Maximum 滑动窗口最大值
- [LeetCode] Sliding Window Median 滑动窗口中位数
- sliding window 滑动窗口(单调队列)
- 239. Sliding Window Maximum 滑动窗口最大值
- 深度学习: sliding window (滑动窗口)
- 单调队列与滑动窗口(Sliding window, poj2823)
- POJ 2823 Sliding Window 滑动窗口 单调队列优化
- 239. Sliding Window Maximum&滑动窗口的最大值
- LeetCode 239. Sliding Window Maximum(滑动窗口最大值)
- TCP-IP详解:滑动窗口(Sliding Window)
- POJ 2823 Sliding Window 单调队列优化 滑动窗口
- 【POJ 2823】【Luogu P1886】Sliding Window 滑动窗口
- leetcode 480. Sliding Window Median 滑动窗口中位数
- 多尺度图片滑动窗口输出
- 多尺度图片滑动窗口输出裁剪
- intellij的一些设置和快捷键
- Android带通知栏操作多页面同步暂停支持多任务多线程断点下载demo
- mahout贝叶斯分类code example
- 获取环境变量
- python正则表达式复习2
- 多尺度滑动窗口法,multiple-scale sliding window method
- 软件开发应试人员考试试题(Java)
- mahout贝叶斯分类结果解析
- 使用fiddler模拟http请求
- hibernate 调用oracle 自带函数
- 正则表达式使用汇总
- 集成友盟分享SDK
- [BZOJ 3289] Mato的文件管理 · 莫队算法 & 树状数组
- IOS开发UI字典转模型