计算机视觉：经过特殊训练的可变形零件模型

Question

大家。

我试图理解“使用有区别训练的基于部分的模型进行物体检测”。

由于像手一样的物体表现出明显的视点变化，因此作者开发了混合模型来处理这种情况 问题。请参见图1作为插图。

图1.使用双组分自行车模型获得的检测。这些例子 说明了变形混合模型的重要性。在这个模型中的第一个组件 捕获自行车的侧面视图，而第二组件正面和近正面视图。 侧向部件可以变形以匹配“前轮”。

我对如何使用这种混合模型来检测物体有一些疑问。相关说明 在3.3节。作者说：“为了使用混合模型检测物体，我们使用匹配 上述算法用于找到独立产生高得分假设的根位置 对于每个组件。“这是否意味着使用每个组件来独立地找到对象？ 以2组件自行车模型为例，我们将使用每个组件来检测自行车 在图像中独立？

对于论文的训练部分，根据我的理解，训练数据由图像组成 带有标签的边界框。请参见图2。 图2左侧是训练图像的示例。右侧是训练的结果，包括模型 结构，过滤器和变形成本。我的问题是实现了模型的可变形部分的数量 通过培训或设置先进？例如，图2中的人模型具有5个可变形部分。数字5 是通过培训得到的？

我也试图通过阅读作者的源代码来找到答案。我检查了所有训练过的车型，比如汽车， 人，鸟，瓶等。在这些文件中，有一个名为“filters”的字段，它是一个结构数组 大小为1乘54.根据我的理解，这54个过滤器是根过滤器和部分过滤器。 我对吗？我对54的数量感到困惑？如何获得这个号码？哪一个是根过滤器 哪一个是这54个过滤器中的部分过滤器？

我将在本周五发表关于你论文的演讲。如果可能的话，你能帮我一个忙吗？ 那天之前的这封电子邮件？我知道这个请求有点粗鲁。 :-)。无论如何，非常感谢。