论文部分内容阅读
似物性推荐是计算机视觉研究中的热门问题,其目的是用尽可能少的推荐窗口涵盖可能的兴趣目标,以显著地提升目标检测任务的计算效率。从组合几何学角度对该问题进行了分析,一种"完全窗口覆盖"的方法被提出,用少量窗口即可覆盖所有可能目标区域。对于尺寸不大于512×512的图像,约19000个窗口即可覆盖所有尺寸不小于16×16的目标区域。基于目标矩形的位置、尺寸的先验分布,可以使用贪心策略进一步地缩减窗口数量。为了适应不同图像集在小概率样本上的差异,提出了一种融合了贪心和随机方法的混合机制,其所需的计算量非常小