Computer vision 计算机视觉：区分训练的可变形零件模型

各位

我试图理解“基于部件模型的对象检测”

由于对象（如手）表现出显著的视点变化，作者开发了混合模型来处理此问题 问题请参见图1作为说明。

图1。使用双组分自行车模型获得的检测结果。这些例子 说明变形混合模型的重要性。在这个模型中，第一个组件 捕获自行车的侧面视图，同时捕获第二个组件的正面视图和近正面视图。 侧向组件可以变形以匹配“车轮”

对于如何使用这种混合模型来检测对象，我有一些疑问。相关描述 参见第3.3节。作者说：“为了使用混合模型检测物体，我们使用匹配 上述算法用于查找独立产生高分假设的根位置 是否意味着使用每个组件独立地查找对象？ 以双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

对于本文的训练部分，根据我的理解，训练数据由图像组成 使用带标签的边界框。请参见图2。 图2，左侧是训练图像的示例。右侧是培训的结果，包括模型 结构、过滤器和变形成本。我的问题是，模型中可变形部分的数量是否达到 通过培训还是设置高级？例如，图2中的人物模型有5个可变形部分。数字5 是不是通过训练得到的

我还试图通过阅读作者的源代码找到答案。我检查过所有受过训练的模型，比如汽车， 在这些文件中，有一个名为“过滤器”的字段，它是一个结构数组 尺寸是1乘54。据我了解，这54个过滤器是根过滤器和部分过滤器。 我说得对吗？我被54的数字搞糊涂了？怎么得到这个号码？哪个是根过滤器 在这54个过滤器中，哪一个是部分过滤器

这个星期五我将介绍你的论文。如果可能的话，你能帮我一个忙吗

---

在那天之前收到这封邮件吗？我知道这个要求有点粗鲁。：-。无论如何，非常感谢。

这个问题似乎离题了，因为它与计算机视觉理论有关，而不是一个特定的编程问题。我担心这个主题将结束，所以请将您的问题发送给gil。levi100@gmail.com我会尽力帮忙的