我一直在查阅有关用于识别的特征金字塔的文献(在我的例子中是来自 1280 x 960 相机图像的行人)，大多数文本似乎都建议将每一步的大小减半。然而，我came across this code它使用:
#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给出了 46 个步骤，一直到 54 x 40 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 个步骤和接近实时的输出以及同样好的检测，甚至更好，因为我丢失的中间帧更少。
那么，我通过降低金字塔来权衡什么？是否有估计所需步骤的经验法则？金字塔的顶端应该有多小？
编辑:我正在使用的算法在Object Detection with Discriminatively Trained Part Based Models 中有描述。 .
(我对代码质量也不太自信，因为/logf(step)显然可以用* LAMBDA代替，但这完全是另一回事)
最佳答案
首先，我不是CV/DIP专家，所以带着极端的偏见处理这件事......
BTW +1 非常有趣的问题。我期待在这里看到其他答案。看着你的问题，我想到的第一件事(把它弄得一团糟)是为什么代码使用:
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，但它可能是从以前的某些计算方法中遗留下来的，后来更改为当前状态。您发现/提到的 /logf(step) 也是如此。
无论如何，您的问题的答案是使用最适合您任务的步骤。
如果不了解您正在做什么以及如何做的背景，并且缺乏图像和直接实现的经验，则很难回答得更好。
一般来说，太多的步数会导致检测/分类错误，特征不匹配，因为许多特征会在较低的分辨率下丢失。因此，基于统计的算法可能会被这...
另一方面，步数太少可能会忽略一些缩放问题。而且许多相似的特征可能会错配，因为它们不会通过降低分辨率来消除。
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...因此向您的金字塔添加步骤，直到您达到预期的数量...
还有静态技术，这些技术基于分辨率和可接受的最小细节尺寸。
步骤是图像区域的函数...
这两种方法都需要对测试数据样本的最佳常数进行一些研究和测试。然后根据实际输入数据形成特征点的最佳金字塔层数等式/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底，或者只是经验常数，为作者的任务提供了最佳结果。它也可能是特征提取的半径或某种最小细节大小......很难从未注释的源代码中分辨出来它提醒我 this (not really constructive link) .
关于c++ - 图像识别特征金字塔有多少步？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/33626725/