Pedestrian Detection: An Evaluation of the State of the Art 

에서 성능이 DPM보다 높게 나왔다길래 읽어봄.(아놔 낚임.. 성능이 2위가 아니라 뒤에서 2위였음..)


한줄요약 : 보행자 탐지를 위해 Shapelet이라는 mid-level feature를 제안함.


<전체 algorithm>

low-level feature --(adaboost)--> shaplet --(adaboost)--> final classifier 

1. low-level feature
일반적인 탐지 알고즘에서 사용하는 gradient feature를 low-level feature로서 사용함
(물체 탐지, 특히 보행자 탐지에서는 edge 정보를 이용하는 gradient feature를 넘어서는 패러다임이 언제쯤 등장할까?)
Detection window에 존재하는 각 pixel 마다 low-level feature를 보유.

2. shapelet (mid-level feature) 
Adaboost를 통해 low-level feature를 중첩하여 shapelet feature 를 구성.
Detection window를 여러 개로 나눈 sub-window 마다 shapelet feature를 보유.
(즉, 하나의 shapelet feature는 하나의 sub-window 내에 있는 pixel들의 low-level feature들의 adaboost 결과이다)

3. final classifier
최종적으로 detection window에 대한 보행자인지, 아닌지에 대한 classifier.
sub-window로부터 나오는 shapelet feature들을 adaboost를 통해 통합하여 하나의 classifier로 구성한다.



실험 결과에서 HOG보다 성능이 높게 나왔다고 하는 주장은 저자 홈페이지 에서 오류로 정정함.


low-level feature를 Adaboost를 이용하여 classifier를 만드는 방법은 당시에도 진부하게 쓰이는 방법이었으나,

Adaboost의 단점 (정보의 양이 적다. redundant feature를 이용하면 성능을 높일 수 있다)을 해결하고자 mid-level인 shapelet을 제안.

Shapelet feature에 해당하는 sub-window 내부의 low-level feature들은 첫번째 Adaboost를 통해 충분한 정보의 양을 가진 채로 뽑히게 됨.

이렇게 구성된 shapelet feature들의 adaboost selection 결과는 통상적인 low-level feature의 adaboosting 결과보다 높게 나온다.







Posted by 헬벨