如何实现更好的滑动窗口算法？

Question

因此，我一直在为HoG及其变体编写我自己的代码以处理深度图像。但是，我坚持在检测窗口部分测试训练好的SVM。

我现在所做的所有事情都是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64x128大小的滑动窗口。

下面是它的视频拍摄：http://youtu.be/3cNFOd7Aigc

现在的问题是，我得到更多的误报比我的预期。

有没有一种方法可以消除所有这些误报（除了使用更多图像进行训练）？到目前为止，我可以从SVM中获得'分数'，这是距边距本身的距离。我怎样才能利用我的结果？

有没有人有任何洞察实施一个良好的滑动窗口算法？

Answer 1

你可以做的是添加一个处理步骤来查找来自SVM的本地最强的响应。让我解释。

你看起来是被现在在做什么：

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值或整数，2类分类的做法写成这样：

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

既然你提到OpenCV，在CvSVM::predict您应该将returnDFVal设置为true：

returnDFVal - 指定返回值的类型。如果为真并且问题是2类分类，则该方法返回与边界有符号距离的判定函数值，否则函数返回类标签（分类）或估计函数值（回归）。

从the documentation。

你可以做的是：

1. 每个滑动窗口W，每个W，计算记录score[W] = SVM.softDecision(W)
2. 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. 每个W，你有一个正面的，如果local[W] && powerful[W]

由于您的分类将有窗布到你的真阳性，这个想法的积极响应（在空间和/或外观）是记录每个窗口的得分，然后只保留其阳性

• 是当地最大得分（大于它的邻居） - >local
• 是足够强大 - >powerful

您可以设置阈值0，并调整它，直到你得到满意的结果。或者你可以使用你的训练集自动校准它。