BFM算法轮廓--基于文章 A Boundary-Fragment-Model for Object Detection

    这篇文章提出根据物体的边缘检测物体类别的方法。根据某一策略提取具有辨别能力的边缘片段(boundary fragments),创建codebook,codebook entries携带着物体距心的信息,使用boosting的方法,将week detector组合成strong detector,或者说是strong “Boundary-Fragment-Model”(BFM)detector。BFM的优点:

    1)BFM检测器能够根据目标的形状而不是表观来进行检测;

    2)对表观信息很接近的目标(bottle,cup),BFM性能稳定。

  1.  Learning boundary fragments

    1)   训练模型需要的数据

     训练集(training data):用方框(bounding box)标出目标的图片。训练集中都是正样本。

     验证集(validation data):训练图片只是被标记是否含有目标,并标出目标的矩心,但是不用框图框出目标。验证集中有正样本,也有负样本。

     训练集用于提取出边缘片段(boundary fragment),验证集用于验证、提取具有辨别能力的边缘片段。

    2)   提取到的边缘片段的综合能力包括:

你可能感兴趣的:(Object,Tracking,BFM,BFM算法,边缘检测,识别)