论文提要“Fast Feature Pyramids for Object Detection”
来源:互联网 发布:天香捏脸数据导入 编辑:程序博客网 时间:2024/05/16 18:20
很多目标检测器需要对图像进行多尺度精细搜索,传统方法的瓶颈是对每个尺度分别计算特征,本文使用比较大的间隔octave计算特征,之后对octave之间的尺度特征进行推算,节省了多尺度特征计算的时间,将目标检测提到实时。
动机:目前的目标检测方法如DPM,通常需要使用多通道,精细尺度采样及增强的归一化方法提升准确率,导致计算量大大增加。自然场景图像存在碎片统计特征,可以用于不同尺度直接的结构预测。
多尺度梯度直方图对比实验
由一个问题引出,给定图像在某一尺度的梯度特征,能够估计临近尺度的梯度特征?
梯度直方图是图像梯度角度的分布,每个像素对梯度直方图投票,权值是梯度幅值。作者做了一个有趣的实验,将图像进行上采样和下采样2倍,统计重采样前后梯度直方图某个bin的幅值比例
对于上采样,均值为2,即为上采样的倍数,对于下采样,均值为0.34,为常数,比采样倍数小的原因是损失了高频信息。对于归一化的直方图,下采样直方图幅值变化的比例均值为0.26。
多尺度特征统计学习
1. 特征尺度法则
用
根据Ruderman和Bialek提出的自然场景图像与尺度间的法则,并考虑将图像分成K个晓得图像块,
2. 估计
为了估计给定不同通道
根据公式(4),
则
3. 单一图像偏差的幅值
快速特征金字塔
1. 特征通道缩放
使用R(I,s)表示图像I使用尺度s重采样,给定图像I的特征
下图显示了该方法的原理:
2. 快速特征金字塔
快速金字塔的原理如下图所示,传统的方法是先重采样图像,再计算每个尺度的特征。文中只在每个octave重采样图像计算特征,每个octave之间的尺度(4到12个尺度)对应的特征使用(7)式进行估计,使用octave进行估计的运算量是直接计算图像特征运算量的1/3。
目标检测器
1. Aggregated Channel Features(ACF)
给定一幅图像,计算几个通道
2. Integral Channel Features(ICF)
ICF使用积分图像进行特征提取,ICF检测器及尺度金字塔如下图所示
3. DPM
直接贴出实验结果,使用本文的方法提升后VOC数据20类测试的mAP只降低2%。
- 论文提要“Fast Feature Pyramids for Object Detection”
- 论文提要“Fast Feature Pyramids for Object Detection”
- 论文提要“Fast Feature Pyramids for Object Detection”
- 行人检测论文笔记:Fast Feature Pyramids for Object Detection?
- 行人检测论文笔记:Fast Feature Pyramids for Object Detection?
- Feature Pyramid Networks for Object Detection 论文笔记
- 论文笔记:Feature Pyramid Networks for Object Detection
- 论文解读之Feature Pyramid Networks for Object Detection
- [深度学习论文笔记][Object Detection] Rich feature hierarchies for accurate object detection and semantic seg
- Object Detection -- 论文FPN(Feature Pyramid Networks for Object Detection)解读
- 论文提要“Selective Search for Object Recognition”
- 论文提要“Selective Search for Object Recognition”
- 论文提要“Scalable Object Detection using Deep Neural Networks”
- 【深度学习论文笔记】Rich feature hierarchies for accurate object detection and semantic segmentation
- 论文笔记:Rich feature hierarchies for accurate object detection and semantic segmentation
- 论文笔记 《Rich feature hierarchies for accurate object detection and semantic segmentation》
- 论文笔记 《Rich feature hierarchies for accurate object detection and semantic segmentation》
- Rich feature hierarchies for accurate object detection and semantic segmentation论文笔记
- object-c和swift 混编
- Java变量类型
- 文章标题
- awk处理文件
- Tomcat 8(四)server.xml的Cluster标签详解
- 论文提要“Fast Feature Pyramids for Object Detection”
- c内存分配
- Oracle_视图/Top-N分析
- 我的 GitHub
- Javascript研究: 创建对象方法的总结
- MySQL数据库中间件如何实现分布式事务
- 简单的三级联动
- Tomcat 8(五)startup.bat详解
- 在 iOS 应用中直接跳转到 AppStore 的方法