监督下降法 (SDM)答案

【问题标题】：Supervised Descent Method (SDM)监督下降法 (SDM)
【发布时间】：2014-07-28 20:59:36
【问题描述】：

有人可以简要解释一下用于特征提取的 SDM（监督下降法）是如何工作的吗？我在互联网上搜索了很多，但找不到我要找的东西。

是只用于视频中的特征提取，还是视频和图片都可以使用？

如果有人能解释一下，那将有很大帮助。

【问题讨论】：

搜了一下，好像是自定义算法提取特征。它不是一种通用的特征提取方法，它似乎只适用于面部特征。你看过这篇论文吗？ courses.cs.washington.edu/courses/cse590v/13au/intraface.pdf
感谢您的链接！我只需要面部特征。我一直在寻找代码和解释，但我找不到任何东西。我正在寻找它在 C++/openCV 中的实现。你知道这样的链接吗？
我所能找到的只是链接到 SDM 的论文。因此，我认为目前没有任何代码。
这里是作者给出的解释。 humansensing.cs.cmu.edu/xxiong/sdm.html

【解决方案1】：

SDM 是一种对齐图像中形状的方法。它在过程中使用特征提取器（SIFT 和 HoG），但不是特征提取器。类似的方法有 ASM、AAM 或 CLM，但 SDM 具有更好的性能和准确性。

在 SDM 的情况下，在训练过程中，系统从初始形状配置（不同于数据库中的形状）到数据库集学习一些下降向量。这些向量具有将新的初始配置与您想要适应的图像中的面部形状相匹配的能力。

此链接可以帮助您了解更多信息：http://arxiv.org/pdf/1405.0601v1.pdf

关于代码，IntraFace的主页上有一些演示示例，但是如果您正在寻找代码，我认为您找不到。

【讨论】：

【解决方案2】：

您可以使用 vl_sift 开始它的工作，比它们的原始描述符更精确，但它不如他们的实时实现描述符快。关于它们的实现，到目前为止还没有发布任何代码。他们正在使用一些具有非常快速的直方图计算的专用版本。

【讨论】：