BING算法思路概述（目标检测）
发布时间
阅读量：
阅读量
BING算法旨在识别图像中潜在的物体候选区域。Box表示为：通过获取多个潜在的边界框来表示图像区域。将图像统一缩放到8×8的统一尺度上。通常情况下，物体的闭合轮廓与其梯度范数之间具有显著的关系。能够提前感知特定对象的存在，在视觉层次结构中接近自底向上的显著性特征。
大致的操作：
1. 对整张图像求梯度，然后由线性SVM训练得到一个BING特征；
2. 计算每一个候选区域的得分： s l
_s l =<w,gl> _(1)
l=(i,x,y)(2)
例如，在经过训练后的模型w中观察到一个特征_g l_对应的过滤器得分为_s l_。通过非极大值抑制(NMS)算法为每个尺度推荐若干候选窗口。与较大尺寸如100×100相比，在某些特定尺度下（如10×500），由于其较大的尺寸差异以及与目标物体之间的距离较远等因素的影响，在这些特定尺寸下的候选窗口捕获目标物体的可能性较低。基于以上分析，在校准过程中我们定义了对象状态得分为如下计算公式：
_o l = vi*sl+ti _(3)
其中_v_i, t_i ∈ ℝ_是一个对应于各个尺度_i_的窗口，在经过学习之后所获得的一个参数。通过这些得分值我们就能获得各个窗口的信息。
具体的操作：
1. 输入一张图象，其中红框是物体，绿框不是物体
全部评论 (0)
还没有任何评论哟~