Распознавание лиц Виолы-Джонса утверждает характеристики 180к

все. В бумагах Виолы и Джонса все еще есть некоторая путаница.

в их статье CVPR'01 четко указано, что

"в частности, мы используем три виды функций. Значение функция двух прямоугольников разница между суммой пиксели в пределах двух прямоугольных областей. Регионы имеют одинаковый размер и форма и горизонтально или вертикально (см. рис. 1). функция с тремя прямоугольниками вычисляет сумму в пределах двух снаружи прямоугольники вычитаются из суммы в центральный прямоугольник. Наконец-то a четырехугольник функция".

в статье IJCV'04 говорится то же самое. так что в целом, 4 функции. Но как ни странно, на этот раз они заявили, что исчерпывающий набор функций-45396! Это, кажется, не окончательный вариант.Вот И Я предположим, что там были введены некоторые дополнительные ограничения, такие как min_width, min_height, отношение ширины/высоты и даже положение.

обратите внимание, что оба документа можно загрузить по его веб-страницы.

не прочитав всю статью, формулировка вашей цитаты торчит у меня

учитывая, что базовое разрешение детектор 24x24, исчерпывающий набор из прямоугольных объектов довольно большой, более 180 000 . Обратите внимание, что в отличие от Базис Хаара, множество прямоугольников особенности является чрезмерным.

" набор функций прямоугольника является чрезмерно сложным" "Полный набор"

Это звучит для меня как настройка, где я ожидаю бумагу писатель, чтобы продолжить объяснение того, как они отбирают пространство поиска до более эффективного набора, например, избавляясь от тривиальных случаев, таких как прямоугольники с нулевой площадью поверхности.

edit: или используя какой-то алгоритм машинного обучения, как абстрактные намеки. Исчерпывающий набор подразумевает все возможности, а не только "разумные".

нет никакой гарантии, что любой автор любой статьи прав во всех своих предположениях и выводах. Если вы считаете, что предположение №4 справедливо, то сохраните это предположение и попробуйте свою теорию. Вы можете быть более успешными, чем оригинальные авторы.

довольно хорошее наблюдение, но они могут неявно обнулить кадр 24x24 или "переполнить" и начать использовать первые пиксели, когда он выходит за пределы, как при вращательных сдвигах, или, как сказал Бретон, они могут рассматривать некоторые функции как "тривиальные функции", а затем отбросить их с помощью AdaBoost.

кроме того, я написал Python и Matlab версии вашего кода, чтобы я мог проверить код сам (легче отлаживать и следовать за мной), и поэтому я публикую их здесь, Если кто-нибудь найдет их полезными некогда.

Python:

frameSize = 24;
features = 5;
# All five feature types:
feature = [[2,1], [1,2], [3,1], [1,3], [2,2]]

count = 0;
# Each feature:
for i in range(features):
    sizeX = feature[i][0]
    sizeY = feature[i][1]
    # Each position:
    for x in range(frameSize-sizeX+1):
        for y in range(frameSize-sizeY+1):
            # Each size fitting within the frameSize:
            for width in range(sizeX,frameSize-x+1,sizeX):
                for height in range(sizeY,frameSize-y+1,sizeY):
                    count=count+1
print (count)

Matlab:

frameSize = 24;
features = 5;
% All five feature types:
feature = [[2,1]; [1,2]; [3,1]; [1,3]; [2,2]];

count = 0;
% Each feature:
for ii = 1:features
    sizeX = feature(ii,1);
    sizeY = feature(ii,2);
    % Each position:
    for x = 0:frameSize-sizeX
        for y = 0:frameSize-sizeY
            % Each size fitting within the frameSize:
            for width = sizeX:sizeX:frameSize-x
                for height = sizeY:sizeY:frameSize-y
                    count=count+1;
                end
            end
        end
    end
end

display(count)