图像识别特征金字塔有多少步？

Question

我一直在寻找关于特征金字塔进行识别的文献（在我的例子中，行人来自 1280 x 960 的相机图像），大多数文本似乎都建议将每一步的大小减半。但是，我came across this code 使用：

#define LAMBDA 10
#define SIDE_LENGTH 8

step = powf(2.0f, 1.0f / ((float)LAMBDA));
maxNumCells = W / SIDE_LENGTH;
if( maxNumCells > H / SIDE_LENGTH )
{
    maxNumCells = H / SIDE_LENGTH;
}
numStep = (int)(logf((float) maxNumCells / (5.0f)) / logf( step )) + 1;

这在我的图像金字塔上提供了 46 个步骤，一直到 54 x 40 的图像，每帧大约需要 0.7 秒！将 LAMBDA 值降低到 2 可以让我获得 10 步和近乎实时的输出，并且与我丢失更少的中间帧一样好，如果不是更好的话。

那么，我通过降低金字塔来换取什么？是否有估算所需步骤的经验法则？金字塔的顶部应该有多小？

编辑：我正在使用的算法在Object Detection with Discriminatively Trained Part Based Models 中进行了描述。

（我对代码质量也不是很自信，/ logf( step ) 显然可以替换为* LAMBDA，但这完全是另一回事）

Answer 1

首先，我不是 CV/DIP 专家，所以请带着极端的偏见来处理这个问题......

顺便说一句 +1 非常有趣的问题。我期待在这里看到其他答案。看到你的问题时，我首先想到的是（蓝色的平衡）为什么代码使用：

• logf(powf(2.0f,1.0f))

在代码中看到的这些东西让人想知道它的其余部分有多好，但它可能是以前的一些计算方法留下的，后来更改为当前状态。您发现/提及的/logf(step) 也是如此。

无论如何，您的问题的答案是尽可能多地使用最适合您的任务的步骤。

如果不知道你在做什么和如何做，并且缺乏图像和直接实施的经验，很难更好地回答。

一般而言，步数过多可能会因特征不匹配而导致检测/分类错误，因为在较低分辨率下会丢失许多特征。因此，基于统计的算法可能会因此而犯规......

另一方面，步骤太少可能会忽略一些缩放问题。此外，许多类似的特征也可能会被错过匹配，因为它们不会通过降低分辨率而被消除。

1. 您可以根据输入的一些知识尝试自适应技术。

   例如，如果您知道图像的平均复杂度，那么您大概知道应该有多少个感兴趣的特征点......所以向您的金字塔添加步骤，直到达到预期的数量......

2. 还有基于分辨率和最小可接受细节尺寸的静态技术。

   步骤是图像面积的函数...

这两种方法都需要对测试数据样本进行一些研究和测试，以获得最佳常数。然后根据实际输入数据形成特征点金字塔层的最佳数量的方程/数字。

我认为选项 #2 是您提供的代码的情况

因此，/0.5f 可能只是缩放到不同的对数基数，或者只是经验常数，对于作者的任务具有最佳结果。它也可能是特征提取的半径或某种最小细节尺寸......很难从未注释的源代码中看出它在this (not really constructive link)上提醒我。