利用结构化协方差矩阵快速学习检测器
计算机视觉与模式识别
2014-03-31 v1
摘要
计算机视觉领域日益关注物体检测器的快速估计。经典的硬负例挖掘策略速度缓慢，因为它们需要对大型负训练集进行多次遍历。最近的研究表明，如果假设负例分布是平稳的，那么线性判别分析（LDA）无需重新访问负例集即可学习到性能相当的检测器。然而，即使有了这一见解，在现代台式计算机上学习单个物体检测器的时间仍可能长达数十秒。本文提出利用由此产生的结构化协方差矩阵，以更少的时间和内存数量级获得性能相同的检测器。我们阐明了与相关滤波文献的重要联系，证明了这些方法也无需重新访问负例集即可进行训练。
引用
@article{arxiv.1403.7321,
title = {Learning detectors quickly using structured covariance matrices},
author = {Jack Valmadre and Sridha Sridharan and Simon Lucey},
journal= {arXiv preprint arXiv:1403.7321},
year = {2014}
}