如何利用基于特殊训练部分的模型获得物体检测中的零件得分

Question

http://www.cs.berkeley.edu/~rbg/latent/voc-release5.tgz提供的代码广泛用于对象检测。有一个 imgdetect 函数，它返回 ds ， bs 和树。似乎 ds 包含检测框， bs 包含图像中用于检测的哪些过滤器，而树包含有关该部件的一些信息分数。我无法找到如何使用树和 bs 获得部分分数。基本上，给定一个检测框，我想找出检测中响应的滤波器以及用于检测物体的每个滤波器（子部分）的分数。

Answer 1

我想出了如何做到这一点，在gdetect_parse.m的末尾添加以下行，边界框（x1，x2，y1，y2）将对应于 bs 中的框分数将在树{i}

的倒数第二行

node_id = 8; //确保它是一个叶子节点，即第二行树{i}应为1

tree_id = 1; //其中一个检测树

scale =（model.sbin / pyra.scales（trees {tree_id}（8，node_id）））;

x1 =（trees {tree_id}（6，node_id） - 1 - pyra.padx *（2 ^ trees {tree_id}（9，node_id）））* scale + 1

y1 =（trees {tree_id}（7，node_id） - 1 - pyra.pady *（2 ^ trees {tree_id}（9，node_id）））* scale + 1

filter_id = model.symbols（trees {1}（3，node_id））。filter;

fx = model.filters（filter_id）.size（2）;

fy = model.filters（filter_id）.size（1）;

x2 = x1 + fx * scale - 1

y2 = y1 + fy * scale - 1