关于HOG和DPM的论文和译文

最新推荐文章于 2020-12-04 08:37:10 发布
最新推荐文章于 2020-12-04 08:37:10 发布
阅读量4.3k 收藏 7
点赞数
CC 4.0 BY-SA版权
分类专栏： 人脸检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/wangxiaowang1219/article/details/50907589

HOG

对应的论文 Histograms of Oriented Gradients for Human Detection

可以参考的译文：http://blog.youkuaiyun.com/masibuaa/article/details/14056807

-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

DPM

对应的论文

A Discriminatively Trained, Multiscale, Deformable Part Model

可以参考的译文：http://blog.youkuaiyun.com/masibuaa/article/details/17533419


最低0.47元/天 解锁文章

200万优质内容无限畅学
DPM(Deformable Parts Model)--原理(一)
Note of Transposition
10-23 7万+
DPM是一个非常成功的目标检测算法，连续获得VOC（Visual Object Class）07,08,09年的检测冠军。目前已成为众多分类器、分割、人体姿态和行为分类的重要部分。2010年Pedro Felzenszwalb被VOC授予"终身成就奖"。DPM可以看做是HOG（Histogrrams of Oriented Gradients）的扩展，大体思路与HOG一致。先计算梯度方向直方图，然后用SVM（Surpport Vector Machine ）训练得到物体的梯度模型（Model）。有了这样的模
目标检测中SIFT，HOG，DPM分别是什么
qq_45809323的博客
05-20 804
目标检测是计算机视觉中的一个重要任务，主要用于识别和定位图像或视频中的目标物体。SIFT（尺度不变特征变换）、HOG（方向梯度直方图）和DPM（Deformable Part Model）是目标检测中常用的三种方法。
DPM论文笔记
08-03
DPM论文学习笔记。由于优快云排版感觉比较麻烦，直接上传了PDF以供大家查看。
HOG特征论文
03-20
HOG领域的开山之作，必须阅读。如需要中文的简单阅读般，请移步到http://blog.youkuaiyun.com/zouxy09/article/details/7929348
HOG与DPM原理
fengye2two的专栏
03-14 3263
感谢watersink的渊博知识，本文合并自： (1)https://blog.youkuaiyun.com/qq_14845119/article/details/52187774 (2)https://blog.youkuaiyun.com/qq_14845119/article/details/52625426 HOG： 写在前面的话        HOG绝对说的是行人检...
NavneetDalal关于HOG行人识别的博士论文
04-20
Navneet Dalal在其博士论文《Finding People in Images and Videos》中深入探讨了HOG（Histogram of Oriented Gradients，方向梯度直方图）行人识别方法，并提出了一个用于检测图像和视频中行人及各类物体的解决方案...
Python实现HOG特征和SVM进行图像识别
最新发布
02-19
Python实现HOG特征和SVM进行图像识别Python实现HOG特征和SVM进行图像识别Python实现HOG特征和SVM进行图像识别 代码说明 加载图像数据集: 使用load_images_from_folder函数从文件夹中加载图像，并为每个图像分配标签...
图像的全局特征--HOG特征、DPM特征
wishchinYang的专栏
03-16 7381
       HOG特征：方向梯度直方图（Histogram of Oriented Gradient,）特征是一种全局图像特征描述子。        它通过计算和统计图像局部区域的梯度方向直方图来构成特征。Hog特征结合SVM分类器已经被广泛应用于图像识别中，尤其在行人检测中获得了极大的成功。需要提醒的是，HOG+SVM进行行人检测的方法是法国研究人员Dalal在2005的CVPR上提出的，而...
HOG特征提取论文解读
Nicola.Zhang
04-09 1794
interpretation of the paper《Histograms of Oriented Grandients for Human Detection》 【转】HOG特征提取分析： https://blog.youkuaiyun.com/qq_29422251/article/details/51638033
Dalal的经典论文HOG
11-22
Dalal的经典论文，2005-cvpr-Histograms of oriented gradients for human detection.pdf
DPM原文及原码
06-05
DPM的一些论文，以及最新的源码，第五版
形变目标识别DPM论文《Object Detection with Discriminatively Trained Part Based Models》阅读笔记
sysu_yuhaibao的博客
08-02 1万+
DPM（Deformable Parts Model）本质上是“整体HOG+组件HOG+SVM”进行目标识别，其检测效果非常好。本文是DPM原始论文《Object Detectionwith Discriminatively Trained Part Based Models》的阅读笔记，希望对DPM算法有兴趣，以及想选择合适的训练集、剪切目标区域、合理设置参数需要的研究者有所帮助。
DPM目标检测算法(毕业论文节选)
热门推荐
Note of Transposition
12-08 3万+
DPM目标检测算法由Felzenszwalb于2008年提出，是一种基于部件的检测方法，对目标的形变具有很强的鲁棒性[13]。目前DPM已成为众多分类、分割、姿态估计等算法的核心部分，Felzenszwalb本人也因此被VOC授予"终身成就奖"。
论文阅读Domain Adaptation of DPM models
ShirleySnow的博客
03-01 846
最近老师给了几篇比较老的论文，主要是关于把DA用到SVM，DPM之类的分类器上的方法，目的是借鉴文章中的思路，方法，技巧等，看看对自己的研究是否有启发。今天主要总结的论文有： [1]Domain Adaptation of Deformable Part-Based Models，Jiaolong Xu [2]From Virtual to Real World Visual Percepti...
HOG特征原文（Histograms of Oriented Gradients）
GHU
08-06 1万+
1 简介 方向梯度直方图（Histogram of Oriented Gradient，HOG）特征是一种可以快速描述物体局部梯度特征的描述子[1]。它首先将把窗口划分成若干个块（blocks），然后把每一个块中划分若干个元胞（cells），然后统计每个元胞内部的梯度方向直方图作为该元胞的特征向量，然后把每一个元胞的特征向量相连接作为一个块的特征向量，最后把块的特征向量相连接，即为该窗口的 HO...
摘抄Hog原论文中重要观点【Histograms of Oriented Gradients for Human Detection】
hmmwjs的博客
07-19 962
中文翻译：http://blog.youkuaiyun.com/masibuaa/article/details/14056807 英文原文：https://wenku.baidu.com/view/69d2bac9482fb4daa48d4b77.html?re=view【免券下载】 原理方面 1. 特征提取和目标检测流程。检测窗口划分为重叠的块，在块中计算HOG描述子，形成的特征向量
论文精读——HOG特征提取
qq_46110834的博客
12-04 687
HOG是特征工程时代非常有名的特征描述符，虽然年代久远，但是相信对这种经典的特征工程方法做一定了解，对以后的计算机视觉工作会有很大的启发。 HOG是一种很经典的算法，但是相关的中文资源貌似并不给力，所以上传一些我对HOG工程的理解。 这篇博文主要是关于HOG原始论文的要点解析，并没有详细的HOG工程的步骤，如果大家有需要，可以私信我，或者评论留言，我会继续上传。 ...
HoG论文阅读笔记
On_theway10的博客
02-15 1366
具体细节: title : Histograms of Oriented Gradients for Human Detection from : CVPR-2005 motivation : 用于提取图像的特征 主要操作流程 : step - 1. Normalize gamma & colour step - 2. Compute gradient step - 3....
DPM方法和hog+svm
12-31
### DPM 方法概述 Deformable Parts Model (DPM) 是一种用于目标检测的强大模型，尤其擅长处理具有复杂结构的对象。该方法基于部件模型的概念，在整体对象的基础上增加了多个可变形的部分来描述对象的不同部位及其相对位置关系[^2]。 - **根过滤器**：表示整个物体的整体外观。 - **部分过滤器**：捕捉组成物体的关键组成部分。 - **空间约束**：定义各部分相对于根的位置分布规律。 这种设计使得 DPM 对于姿态变化较大的目标（如人体）有着良好的鲁棒性和适应能力。 ### HOG+SVM 应用解析 Histograms of Oriented Gradients (HOG)+Support Vector Machine (SVM) 组合是一种经典而有效的传统计算机视觉技术，广泛应用于各种场景下的目标识别任务中。其工作原理如下： - **特征提取阶段**：利用 HOG 描述符计算输入图片内每个像素周围的梯度直方图，从而获取关于轮廓和纹理的信息；这些统计量能够很好地反映局部形态学特性，并且对于光照条件不敏感[^4]。 - **训练分类器环节**：借助 SVM 来区分正负样本之间的差异，即学会如何根据上述特征向量判断测试样本属于哪一类（例如是否为人形）。经过充分的学习过程之后，最终可以构建起一个高效的决策边界用来预测未知实例所属类别。 ```python import cv2 from skimage.feature import hog from sklearn.svm import LinearSVC # 加载预训练好的线性支持向量机模型 svm_detector = LinearSVC() def detect_objects(image_path): img = cv2.imread(image_path, 0) fd, _ = hog(img, orientations=9, pixels_per_cell=(8, 8), cells_per_block=(2, 2), visualize=True) prediction = svm_detector.predict([fd]) return 'Person' if prediction == 1 else 'Not Person' ``` ### 性能对比分析 当把 DPM 和 HOG+SVM 放在一起考量时，两者各有千秋： | 方面 | DPM | HOG+SVM | | --- | --- | --- | | 复杂度 | 较高，因为涉及到多尺度扫描窗口以及复杂的部件间连接机制 | 相对较低，主要集中在单个固定大小的滑动窗操作上 | | 准确率 | 高精度定位能力强，特别是在面对遮挡或角度变换的情况下表现优异 | 中等到高的准确性，但在极端条件下可能不如前者稳定 | | 计算效率 | 运行时间较长，尤其是在大规模数据集上的实时性能较差 | 更加高效快速，适合在线应用场景 | 综上所述，虽然两种方案都能有效完成特定类型的任务，但对于具体的应用环境而言，则需权衡不同因素做出合理的选择。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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