如何通過辨識型訓練零件模型獲得零件分數

Question

可在http://www.cs.berkeley.edu/~rbg/latent/voc-release5.tgz處獲得的代碼廣泛用於物體檢測。有一個imgdetect函數返回ds,bs和樹。看起來ds包含檢測框和bs包含用於檢測的哪些過濾器在圖像中響應，而樹包含有關零件分數的一些信息。我無法找到如何使用樹木和bs獲得零件分數。基本上，給定一個檢測框，我想知道哪些過濾器在檢測中響應以及每個用於檢測對象的過濾器（子部件）的得分是多少。

Answer 1

我想通了，如何做到這一點，在gdetect_parse.m結束，加上下面幾行，邊界框（X1，X2，Y1，Y2），將對應於盒中BS和分數會在樹的第二排中{i}

node_id = 8; //確保它是一個葉節點，即第二行樹{i}應該是1

tree_id = 1; //其中一個檢測樹

scale =（model.sbin/pyra.scales（trees {tree_id}（8，node_id）））;

X1 =（樹木{tree_id}（6，節點ID） - 1 - pyra.padx *（2^{樹木} tree_id（9，節點ID）））*刻度+ 1

Y1 =（樹木{ tree_id}（7，node_id） - 1 - pyra.pady *（2^trees {tree_id}（9，node_id）））* scale + 1

filter_id = model.symbols（trees {1}（3，node_id ））。過濾;

fx = model.filters（filter_id）.size（2）;

fy = model.filters（filter_id）.size（1）;

X2 = X1 + FX *標度 - 1

Y2 = Y1 + FY *標度 - 1