Histograms of oriented gradients fo

Histograms of oriented gradients for human detection
We study the question of feature sets for robust visual object recognition; adopting linear SVM based human detection as a test case. After reviewing existing edge and gradient based descriptors, we show experimentally that grids of histograms of oriented gradient (HOG) descriptors significantly outperform existing feature sets for human detection. We study the influence of each stage of the computation on performance, concluding that fine-scale gradients, fine orientation binning, relatively coarse spatial binning, and high-quality local contrast normalization in overlapping descriptor blocks are all important for good results. The new approach gives near-perfect separation on the original MIT pedestrian database, so we introduce a more challenging dataset containing over 1800 annotated human images with a large range of pose variations and backgrounds.

Kết quả (Việt) 1:

Histograms gradient theo định hướng con người phát hiệnChúng tôi nghiên cứu các câu hỏi về bộ tính năng nhận dạng đối tượng trực quan mạnh mẽ; việc áp dụng SVM tuyến tính dựa trên các phát hiện của con người là một trường hợp thử nghiệm. Sau khi xem xét hiện có cạnh và gradient dựa trên mô tả, chúng tôi chỉ thử nghiệm lưới histograms của định hướng gradient (HOG) descriptor đáng kể tốt hơn bộ tính năng sẵn có cho phát hiện của con người. Chúng tôi nghiên cứu ảnh hưởng của từng giai đoạn của tính toán hiệu suất, kết luận rằng quy mô nhỏ gradient, ổn định hướng binning, binning không gian tương đối thô, và bình thường hóa chất lượng cao địa phương tương phản trong chồng chéo mô tả khối là tất cả quan trọng cho kết quả tốt. Cách tiếp cận mới cho gần hoàn hảo tách trên cơ sở dữ liệu cho người đi bộ MIT ban đầu, do đó, chúng tôi giới thiệu một chi tiết đầy thách thức bộ dữ liệu có chứa hơn 1800 chú thích hình ảnh của con người với một phạm vi rộng lớn của biến thể tư thế và nguồn gốc.

Kết quả (Việt) 2:

Histograms các gradient định hướng cho phát hiện con người
Chúng tôi nghiên cứu các vấn đề về bộ tính năng mạnh mẽ cho sự công nhận đối tượng thị giác; áp tuyến tính SVM dựa phát hiện con người như là một trường hợp thử nghiệm. Sau khi xem xét mô tả cạnh và gradient hiện tại dựa, chúng tôi hiển thị bằng thực nghiệm rằng lưới của biểu đồ định hướng của gradient (HOG) descriptor đáng kể tốt hơn bộ tính năng hiện có để phát hiện con người. Chúng tôi nghiên cứu ảnh hưởng của từng giai đoạn của việc tính toán về hiệu suất, kết luận rằng gradient tinh quy mô, khi di chuyển chuột tốt định hướng, di chuyển chuột không gian tương đối thô, và chất lượng cao bình thường tương phản địa phương trong chồng chéo khối mô tả tất cả đều quan trọng đối với kết quả tốt. Các phương pháp tiếp cận mới cho phép tách biệt gần như hoàn hảo trên cơ sở dữ liệu MIT cho người đi bộ ban đầu, vì vậy chúng tôi giới thiệu một tập dữ liệu có chứa nhiều thách thức hơn 1800 chú thích hình ảnh con người với một phạm vi rộng lớn của các biến thể tư thế và hình nền.