如何实现更好的滑动窗口算法？

Posted 2023-02-14

【中文标题】如何实现更好的滑动窗口算法？

【英文标题】：How to implement a better sliding window algorithm?

【发布时间】：2013-03-30 06:14:37

【问题描述】：

所以我一直在为 HoG 及其变体编写自己的代码来处理深度图像。但是，我坚持在检测窗口部分测试我训练有素的 SVM。

我现在所做的只是首先从原始图像创建图像金字塔，然后从左上角到右下角运行一个 64x128 大小的滑动窗口。

这是它的视频截图：http://youtu.be/3cNFOd7Aigc

现在的问题是我得到的误报比我预期的要多。

有没有办法可以消除所有这些误报（除了使用更多图像进行训练）？到目前为止，我可以从 SVM 获得“分数”，即到边距本身的距离。我如何利用它来利用我的结果？

有人对实现一个好的滑动窗口算法有任何见解吗？

【参考方案1】：

您可以做的是添加一个处理步骤以从 SVM 中找到本地最强的响应。让我解释一下。

你现在正在做什么：

对于每个滑动窗口W，记录category[W] = SVM.hardDecision(W)

硬决策意味着它返回一个布尔值或整数，对于 2 类分类可以这样写：

hardDecision(W) = bool( softDecision(W) > 0 )

既然你提到了 OpenCV，那么在 CvSVM::predict 中你应该将 returnDFVal 设置为 true ：

returnDFVal – 指定返回值的类型。如果为 true 并且问题是 2 类分类，则该方法返回决策函数值，即到边缘的有符号距离，否则该函数返回类标签（分类）或估计的函数值（回归）。

来自the documentation。

你可以做的是：

对于每个滑动窗口W，记录score[W] = SVM.softDecision(W) 对于每个 W，计算并记录： neighbors = max(score[W_left], score[W_right], score[W_up], score[W_bottom]) local[W] = score[W] > neighbors powerful[W] = score[W] > threshold。 对于每个W，如果local[W] && powerful[W]

由于您的分类器会对窗布（在空间和/或外观上）对您的真阳性做出积极响应，因此我们的想法是记录每个窗口的分数，然后只保留阳性

是局部最高分数（大于其邻居）--> local 足够强大 --> powerful

您可以将阈值设置为 0 并进行调整，直到获得满意的结果。或者您可以使用您的训练集自动校准它。

【讨论】：

很好的答案，但如果您或其他任何人不介意，我还有几个问题。我如何将它与比例空间一起使用？我是否将在另一个范围内检测到的窗口视为另一个邻居？非最大抑制是如何发挥作用的？无论如何，仍然非常感谢您的明确回答。

关于秤的好问题！您确实可以包括附近的规模（左/右/上/下/更小/更大），但这在很大程度上取决于您的数据和最终目标 - 您是否得到很多多尺度误报？不幸的是，试错法是计算机视觉中最好的实用方法。关于非最大抑制，我所描述的是一种非最大抑制（你只保留局部最大值）。