zoukankan      html  css  js  c++  java
  • DPM 目标检测1

    1. Origin

     原始目标检测: HOG梯度模型+目标匹配

       为了提过对目标形变的鲁棒性(多视角->多组件):

                 目标形态多样性—>多个模型

                 目标的动态变化多视角—> 子模型

                 目标形变—> 图结构的组件模型策略

                  

       DPM目标检测:

              HOG特征提取+SVM分类器+滑动窗

    2. 改进的HOG特征

        1) 原始HOG特征(histogram of gradient)->局部物体外形能被光强梯度或边缘方向的分布所描述,一幅图被分为小的连接区域(cells)

              对图像局部出现的方向梯度进行计数,与边缘方向直方图,scale-invariant feature transform 类似, 不同点HOG基于一致空间密度矩        阵来提高准确率。

           局部直方图通过计算图像中的一个较大的区域(block)的光强作为对比标准化,然后归一化block中的所有cells。(光照,映射不变形)

           计算流程:

            灰度化->分为cells->计算每个cell中pixels的gradient->统计cell的梯度直方图,每个cell的描述子

            没有旋转,尺度不变形,计算量小;

            解决尺度变换: 图像进行尺度房宿

            解决旋转变换:建立不同方向的模板     

         2)改进HOG

    3. DPM检测

        采用滑动窗检测,通过构建尺度金字塔在各个尺度搜索(解决尺度变换问题

            对于旋转问题:建立多个模板?

    基本结构:

  • 相关阅读:
    网格走法数目
    字典序(数据字典)
    异或(数据字典)
    头条校招
    Python中的zip()
    什么是“背书”
    求十进制整数的任意进制转换
    安装并使用pyecharts库(0.5.10)
    pycharm使用Ctrl+滚轮调整字体大小
    Anaconda中安装pyecharts
  • 原文地址:https://www.cnblogs.com/fanhaha/p/7002683.html
Copyright © 2011-2022 走看看