基于几何信息先验分布的似物性推荐方法

摘要

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,而且具有很好的泛化能力.在VOC2007测试集上,该混合机制可以在1000个推荐窗口上取得94.52％的召回率,其中在前10个热点推荐窗口上的召回率比其他方法平均高出13.99％～40.29％.