DPM（Deformable part model）模型结构初解

最新推荐文章于 2024-06-21 17:15:00 发布

qiyao_2000

最新推荐文章于 2024-06-21 17:15:00 发布

阅读量1.6k

点赞数

分类专栏：图像与视频处理文章标签：目标检测

本文链接：https://blog.youkuaiyun.com/qiyao_2000/article/details/46127153

版权

本文介绍了DPM模型的基本结构和工作原理，包括根滤波器和部件滤波器，以及形变成本。在训练好的模型中，详细解析了filters、rules、symbols等关键组成部分，揭示了模型的内部工作机制。通过分析，揭示了模型参数的含义和作用，如滤波器、变形参数、阈值和学习率等。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近在设计一个基于DPM算法的检测器，采用自设计的特征取代原模型的HOG特征，希望能够达到实时。先看一遍DPM的训练部分，头大！！！尤其是那所谓的grammar，当然那是release4.01以后才有的。觉得本来蛮清晰的概念，给搞得云里雾里的。直接跳过，可是那样生成的matlab模型就看不懂了。好吧，我来玩猜猜猜，把这个mat模型结构猜一下。猜错勿怪！

关于DPM的概念原理，请阅读作者的PAMI论文“Object Detection with Discriminatively Trained Part Based Models”，这里不做具体描述。简单来说，模型由1个根滤波器和n个部件滤波器构成。检测的时候，对这滑动窗口区域的图像数据做这n+1个滤波，并求和与某个阈值比较，输出正或负。这里部件与根滤波器之间允许有一定的位置变化（即形变），当然，有形变就要引入deformation cost。

数学上简单描述一下：以上目标模型能够形式上定义为一个(n+2)元组： $(F_0,P_1,..., P_n, b)$ ， $F_0$ 是根滤波器， $P_i$ 是第 $i$ 个部件的模型， $b$ 是表示偏差的实数值。每一个部件模型用一个三元组定义： Pi=(