Python 滑动滑动窗;“聪明地”吗;?
在滑动窗口对象检测器中,是否可以“智能”进行对象检测?例如,如果一个人正在寻找一辆汽车,他们不会在天空中寻找一辆汽车。但是,使用滑动窗口的对象检测器将在整个图像(包括天空)上滑动窗口,并在每个窗口上运行对象分类器,从而浪费大量时间。是否有任何技术可以确保它只在合理的地方出现 编辑Python 滑动滑动窗;“聪明地”吗;?,python,image-processing,computer-vision,classification,Python,Image Processing,Computer Vision,Classification,在滑动窗口对象检测器中,是否可以“智能”进行对象检测?例如,如果一个人正在寻找一辆汽车,他们不会在天空中寻找一辆汽车。但是,使用滑动窗口的对象检测器将在整个图像(包括天空)上滑动窗口,并在每个窗口上运行对象分类器,从而浪费大量时间。是否有任何技术可以确保它只在合理的地方出现 编辑 我知道我们必须至少检查所有内容一次,但我不想在每个窗口上运行繁复的分类器。一个分类前的分类器,也许?你考虑过显著性检测算法吗?显著性检测算法可以指示人类最可能关注的图像中的位置。一个很好的例子是一个人在开阔的田野里。天
我知道我们必须至少检查所有内容一次,但我不想在每个窗口上运行繁复的分类器。一个分类前的分类器,也许?你考虑过显著性检测算法吗?显著性检测算法可以指示人类最可能关注的图像中的位置。一个很好的例子是一个人在开阔的田野里。天空的显著性较低,而人类的显著性较高 可能先对图像进行显著性检测算法,然后设置阈值,找到要搜索的区域,而不是整个图像 Stas Goferman提出了一个很好的算法:上下文感知显著性检测 这里还有一些代码可以帮助您开始: 不幸的是,它是在MATLAB中,从您的标记中,您希望了解Python。然而,
numpy/scipy
和MATLAB之间有很多相似之处,因此,如果您想转录任何代码,希望这能对您有所帮助
看看 至少他必须做一次,这样他才知道天空在哪里。如果天空被物体覆盖了呢?也许可以看看显著性和人类注视的研究。一个简单的方法是只运行一个简单的边缘过滤器,进行归一化和强度求和。高强度表示更多信息,值得用更多的计算机时间检查。这取决于您使用的分类器类型。例如,在opencv中实现的Haar级联检测器已经通过拒绝器完成了这一步骤,每个拒绝器执行类似于边缘滤波器的简单计算。因此,预计不会有太多性能提升。谢谢!我也发现了这个:很好。谢谢分享!