BING算法原理

BING（Binarizde Normed Gradients）由程明明在2014年CVPR 上的BING: Binarized Normed Gradients for Objectness Estimation at 300fps文献中提出，在1000个预选框的情况下，检测准确率高达96.2%，且速度可达300帧/秒。
BING算法的检测目标是无类别的一般物体。“物体”的最大特点是有完整、闭合的边界，而背景则是杂乱无章的。在梯度空间图上，无论是物体形状如何，只要归一化到一个相同的尺度上（例如8*8），它们就变得十分有共性。