BING(Binarized Normed Gradients for Objectness )
原文翻译：
http://www.cnblogs.com/larch18/p/4569543.html
程序说明：
http://wenku.baidu.com/link?url=M1VJN_EDd2nHHtxz87mSkxHecKJhcGpuqe8duWbpZxSsR6e2rvcDnaCRnkCekyu1QerZ9VzsH6HetKh3Lq4LGsA1OujwFsrd0pCI8cdWMzC
没有把程序跑通的可以参考http://www.cvchina.info/2014/02/25/14cvprbing/下面的评论，作者和很多热心的朋友都有解释。要再次说明的是bing跟其他proposal方法一样，只是detection proposal，不要指望它能像分类器那么准，不可能的，假如能那么准，那岂不是后面不需要分类器了？评价一个proposal方法要根据recall、MABO等，可以参考http://blog.csdn.net/zxdxyz/article/details/46119369。
BING的速度确实很快，算法的耗时非常少，产生的候选框大约1000多吧（根据实际情况可以做控制），比滑动窗口的几万甚至几十万，不知减少了多少了，有些人还希望BING能
非常准，太过分了哈！嘿嘿，当然都希望那样。根据实际需求可以对输出的候选框的ratoi做修改的，这间接性的提高了准确度，我们的目标一般不会像VOC那样有几十种。
训练需要用voc提供的，当然也可以自己提供图片、写yml文件，但是效率低，很慢，不太建议，但可以尝试，本人尝试过，没发现有太大改善。
测试可以自己提供图片，把你的图片放到JPEGImage下，名字换了，换成那一类 ，比如把000001.jpg替换为自己的，名字不变。
getObjBndBoxesForTestsFast是调用的主函数，训练生成的文件，在results目录下，训练完了，不用每次都再训练，注释掉trainObjectness
evaluatePerImgRecall 生成的文件直接可用MATLAB打开，可以看到随着候选框的增加，recall的上升趋势。
问题一：只能得到候选框吗，要是想得到像voc2007那样的目标物体检测结果怎么办？
答：你要识别特定的物体仍然是需要训练相应的分类器的。这些框只是降低了你检索的空间。
http://blog.csdn.net/qianxin_dh/article/details/39614193
http://blog.csdn.net/u013126042/article/details/49746339
http://blog.csdn.net/App_12062011/article/details/50541395