基于多配置特征包的目标检测

• 作者: 李秋洁 王执铨 茅耀斌
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 目标检测 特征失配 多配置特征包 多示例学习
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 研究与应用
• 页码范围: 869-874
• 分类号: TP391
• 字数: 5547字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2011.06.021

摘要

针对目标检测中的特征失配问题,提出多配置特征包的概念,刻画同一特征可能出现的不同失配情况.目标分类器学习时,利用Boosting算法学习出最具鉴别力特征包,每个特征包对应一个单特征和它的失配情况,目标分类器是最优特征包分类器的线性组合.进一步地,引人多示例学习思想,有效评估特征包鉴别力、学习特征包分类器.在人脸数据集上的实验表明,较之传统方法,考虑特征失配后,文中算法能获得更好的检测性能.同时,与固定包生成方式相比,多配置特征包能较好拟合特征失配情况,在提高检测率的同时获得更小的检测器尺寸.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王执铨	南京理工大学自动化学院	331	3939	30.0	46.0
2	茅耀斌	南京理工大学自动化学院	37	772	17.0	27.0
3	李秋洁	南京理工大学自动化学院	5	128	4.0	5.0