Machine learning 用于检测对象的类Haar特征
我在学习Viola Jones的论文，以便更好地理解他们的目标检测算法，并编写一个适用的程序。在特征主题的最后一段，作者讨论了探测器的基本分辨率，即24x24，他们说矩形特征的穷举集相当大，超过180000个。请注意，与Haar基不同，矩形特征集是过完备的。这意味着每个矩形特征是24乘24，还是仅仅意味着我们将给定的图像分成24*24块？180000是为每个24*24区块找到几种类型的Haar-like特征的结果吗？我也不能理解最后一部分，它指出矩形特征集是过完备的。当我们谈论矩形特征时，过度完成意味着什么？谢谢 每个24X24矩形特征只提供一个数字，如同一段落“两个矩形特征的值是两个矩形区域内像素之和之间的差值”中所述“三矩形功能计算两个外部矩形内的和减去中心矩形内的和。最后，一个四矩形功能计算对角线对矩形之间的差异。” 有关数字180,00的说明，请参见： 一个过完备集意味着你有一些特征是其他特征的线性组合。在24X24矩形特征的情况下，我们可以通过取所有矩形，其中一个正方形的值为1，其余的为0，来为这个空间建立一个线性基础。如果我们计算这个配置有多少个选项，我们得到24*24=57这意味着从他们180000的集合中，我们可以得到一些矩形，这些矩形是集合中其他矩形的组合Machine learning 用于检测对象的类Haar特征,machine-learning,computer-vision,viola-jones,Machine Learning,Computer Vision,Viola Jones,我在学习Viola Jones的论文，以便更好地理解他们的目标检测算法，并编写一个适用的程序。在特征主题的最后一段，作者讨论了探测器的基本分辨率，即24x24，他们说矩形特征的穷举集相当大，超过180000个。请注意，与Haar基不同，矩形特征集是过完备的。这意味着每个矩形特征是24乘24，还是仅仅意味着我们将给定的图像分成24*24块？180000是为每个24*24区块找到几种类型的Haar-like特征的结果吗？我也不能理解最后一部分，它指出矩形特征集是过完备的。当我们谈论矩形特征时，过度完