47、可变形对象检测与目标检测的现状

可变形对象检测与目标检测的现状

1. 边界检测方法 Pb 与 globalPb

1.1 Pb 方法原理与评估

Pb（probability of boundary）方法用于检测图像边界。通过将预测的边界点与人类标记的边界点进行对应，并对对应关系进行加权，使得距离较远的配对受到抑制。未匹配的预测点为假阳性，未匹配的人类标记边界点为假阴性。通过改变阈值，可以得到召回 - 精度曲线。虽然 Pb 方法不如人类使用上下文和对象身份线索预测边界的能力，但它显著优于其他边界检测方法。

1.2 globalPb 方法

globalPb 是 Pb 方法的最新变体，它将 Pb 方法与分割器相结合，填充确保对象边界为封闭曲线所需的像素，从而获得更好的结果。

2. 可变形对象检测

2.1 滑动窗口检测的局限性

基本的滑动窗口检测方法假设窗口是独立的，但当分类器失效时，该方法会失败。导致分类器失效的两个重要因素是对象变形和不同视角。

2.2 处理不同视角的方法

为同一对象构建多个分类器，每个分类器对该对象的不同视角做出响应。在给定窗口处，系统的响应是各个分类器响应的最大值。学习过程中需要考虑校准分类器，其中未知的部分形成潜在变量，需要在训练过程中进行估计。

2.3 处理变形的方法

将对象建模为根（root）和一组部件（parts）。根是给出对象整体位置的近似模型，部件是具有可靠外观但在不同实例中位置可能有所不同的对象组件。每个部件有外观模型和自然位置，在根的自然位置附近找到与部件相似的窗口，表明对象存在。

2.4 分类器构建与评分计算<