如何实现更好的滑动窗口算法？

Question

我一直在编写自己的代码，使HoG及其变体能够与深度图像配合使用。但是，在测试训练好的SVM中的检测窗口部分时，我遇到了困难。

目前为止，我所做的一切都是先从原始图像创建图像金字塔，然后从左上角到右下角运行一个64x128大小的滑动窗口。

以下是一个视频演示：http://youtu.be/3cNFOd7Aigc

现在的问题是，我得到的假阳性比我预期的要多。

除了使用更多的图像进行训练外，是否有办法可以消除所有这些假阳性？到目前为止，我可以获得SVM的“分数”，即与边界距离。我如何利用它来提高我的结果？

是否有人了解实现良好的滑动窗口算法的见解？

- sub_o

Answer 1

你可以添加一个处理步骤来查找SVM中的最强本地响应。让我解释一下。

你现在似乎正在做的事情是：

对于每个滑动窗口W，记录category[W] = SVM.hardDecision(W)

硬决策意味着它返回一个布尔值或整数，并且对于二分类问题可以写成这样：

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

由于您提到了OpenCV，在CvSVM::predict中，您应该将returnDFVal设置为true：

returnDFVal-指定返回值的类型。 如果为true并且问题是2类分类，则该方法返回决策函数值，即到边界的有符号距离；否则，该函数返回类标签（分类）或估计的函数值（回归）。

来自文档。

您可以这样做：

对于每个滑动窗口W，记录score[W] = SVM.softDecision(W)。 对于每个W，计算并记录：

• neighbors = max(score[W_left], score[W_right], score[W_up], score[W_bottom])
• local[W] = score[W] > neighbors
• powerful[W] = score[W] > threshold。

对于每个W，如果local[W] && powerful[W]，则为正面。 由于分类器对于与真正的正面相似的窗口（在空间和/或外观上）会有一个正面反应，因此想法是记录每个窗口的分数，然后仅保留以下正面：

• 是局部最大分数（大于其邻居）- > local
• 足够强 - > powerful

您可以将阈值设置为0，并进行调整，直到获得令人满意的结果。 或者您可以使用训练集自动校准它。

- Antoine

---

很棒的回答，但是我还有几个问题，如果你或者其他人不介意的话。我如何与尺度空间一起使用它？在另一个尺度中处理检测到的窗口时，我是否将其视为另一个邻居？非极大值抑制又如何发挥作用？无论如何，还是非常感谢你清晰的回答。 - sub_o

关于比例尺的好问题！您确实可以在邻域（左/右/上/下/较小/较大）中包含比例尺，但这在很大程度上取决于您的数据和最终目标 - 您是否会得到许多多尺度的假阳性？不幸的是，在计算机视觉中试错法是最佳的实用方法论。关于非极大值抑制，我所描述的就是一种非极大值抑制形式（您只保留局部最大值）。 - Antoine