用于目标识别的零混叠相关滤波器
计算机视觉与模式识别
2016-11-18 v2 机器学习
摘要
相关滤波器 (CFs) 是一类 classifiers，在目标定位和跟踪应用中颇具吸引力。传统上，CFs 是在频域中使用离散傅里叶变换 (DFT) 设计的，其中相关运算可以高效实现。然而，现有的 CF 设计未考虑到频域中两个 DFT 的乘积对应于时域/空域中的循环相关这一事实。由于此前未考虑这一点，先前的 CF 设计并非真正最优，因为其优化准则未能准确量化其优化意图。在本文中，我们引入了新的零混叠约束，通过确保给定 CF 的优化准则对应于线性相关而非循环相关，从而完全消除了这一混叠问题。这意味着通过这种重新表述，可以显著改进先前的 CF 设计。我们利用几种重要的 CF 展示了这种新 CF 设计方法的优势。我们在多样化的数据集上展示了实验结果，并提出了与计算这些 CF 相关的计算挑战的解决方案。本文所述的 CF 及其各自的零混叠版本的代码可在 http://vishnu.boddeti.net/projects/correlation-filters.html 获取。
引用
@article{arxiv.1411.2316,
title = {Zero-Aliasing Correlation Filters for Object Recognition},
author = {Joseph A. Fernandez and Vishnu Naresh Boddeti and Andres Rodriguez and B. V. K. Vijaya Kumar},
journal= {arXiv preprint arXiv:1411.2316},
year = {2016}
}
备注
14 pages, to appear in IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI)