如何实现更好的滑动窗口算法？

Question

所以我一直在编写自己的HoG代码及其变体来处理深度图像。但是，我仍然坚持在检测窗口部分测试训练有素的SVM。

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

以下是视频捕捉：http://youtu.be/3cNFOd7Aigc

现在的问题是，我得到的误报比我预期的要多。

有没有办法可以删除所有这些误报（除了训练更多图像）？到目前为止，我可以从SVM获得“得分”，这是与边距本身的距离。我如何使用它来利用我的结果？

有没有人对实现良好的滑动窗口算法有任何见解？

Answer 1

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

你现在看起来在做什么：

  每个滑动窗口W

，记录category[W] = SVM.hardDecision(W)

硬判决意味着它返回一个布尔或整数，对于2类别分类可以这样写：

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

由于您提到了OpenCV，因此您应该在CvSVM::predict中将returnDFVal设置为true：

  

returnDFVal - 指定返回值的类型。如果为true且问题是2级分类，则该方法返回与边距签名距离的决策函数值，否则函数返回类标签（分类）或估计函数值（回归）。

来自the documentation。

你能做的是：

  

  
1. 对于每个滑动窗口W，记录score[W] = SVM.softDecision(W)
  
2. 对于每个W，计算和记录：      
     
   • neighbors = max(score[W_left], score[W_right], score[W_up], score[W_bottom])
     
   • local[W] = score[W] > neighbors
     
   • powerful[W] = score[W] > threshold。
     
  
3. 对于每个W，如果local[W] && powerful[W]
，则为肯定   

由于您的分类器对Windows布（空间和/或外观）的积极响应与您的真实积极，因此想法是记录每个窗口的分数，然后只保留正面

• 是局部最大分数（大于其邻居） - ＆gt; local
• 足够强大 - ＆gt; 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。或者您可以使用训练集自动校准它。