[论文笔记1]Integral Channel Features

本文探讨了在图像处理中使用一阶通道特征的重要性,并介绍了如何通过线性或非线性变换来加速计算梯度直方图等特征的方法。特别关注了LUV转换的优化策略以及梯度直方图计算的近似技巧。此外,文章还讨论了软级联方法、尺度预平滑和分类器选择的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


1.yuv+gradient mag+gradient hist

2.用一阶通道特征就够了,高阶意义不大

3.对输入图像做线性或非线性变换后,使得诸如局部求和,直方图,haar-like(二阶)及其变种特征可以快速由积分图算出
4.LUV转换的瓶颈在于开立方根的运算,如何近似?
5.梯度直方图计算trick:两个2维向量角度的近似可以由:在向量空间沿着单位圆寻找二向量的点积的最大值.(二分查找快速实现).
6.一般而言:(320*240)LUV 135fps,gradient magnitude 140 fps, gradient histogram (6 bins) 60 fps. --> all 10 channel: 40 fps. or 30 fps if pre-smoothing with r <=8;(exclude classifier)
7.soft cascade:a  threshold is used after evaluation of every weak classifier.boost,特征的值需要被量化并且在开始训练时被cached.
8.scale:pre-smoothing with a radius 1 binomial filter(sigma = 0.87) improved performance.
9.classifier: more weak classifier,depth-2 trees gave the best performance rather than stumps.(choice of boosting algo does not matter)

10.displayed channels are slightly smaller than input image,不要用边界

11.hog or any other types of feature can be converted  into channel features.

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值