首页 > 代码库 > 关于DPM(Deformable Part Model)算法中模型结构的解释
关于DPM(Deformable Part Model)算法中模型结构的解释
关于可变部件模型的描述在作者[2010 PAMI]Object Detection with Discriminatively Trained Part Based Models的论文中已经有说明:
含有n个部件的目标模型可以形式上定义为一个(n+2)元组:(F0,P1,..., Pn, b),F0是根滤波器,Pi是第i个部件的模型,b是表示偏差的实数值。每个部件模型用一个三元组定义:(Fi,vi, di),Fi是第i个部件的滤波器;vi是一个二维向量,指定第i个滤波器的锚点位置(anchor position,即未发生形变时的标准位置) 相对于根的坐标;di是一个四维向量,指定了一个二次函数的参数,此二次函数表示部件的每个可能位置相对于锚点位置的变形花费(deformation cost)。
但是有了这个说明我们在看源码时还是会有很多不明白的地方,刚开始困扰我很长时间,经过一段时间的分析,有了一定的理解,下面是我对这个模型的分析,如有不妥之处,请大家留言指正。
我分析的源码版本是voc-release3.1,从第4版开始加入了语法模型,更加复杂了,这里不讨论。
分析模型结构体主要看initmodel.m这个文件,通过看他如何初始化模型,我们可以明白其中大多数字段的含义。
在这之前,我们可以在matlab中打开一两个源码中自带的训练好的模型m文件,看看是什么样的。
inria_final.mat,Inria数据集上训练的单组件模型
person_final.mat,VOC2007数据集上训练的2组件人体模型
下面我会依次对各个字段做详细解释
(1) sbin,整型标量
sbin是HOG特征中cell的尺寸,即cell的尺寸为sbin * sbin
定义cell是为了将像素级特征聚合成为基于cell的特征C(i,j),0<=i<=|(w-1)/k|,0<=j<=|(h-1)/k|,参见[2010 PAMI]论文6.1.2 空间聚合,这里的k就是cell尺寸sbin,这样可以更明确的理解sbin的用处。
(2) interval,整型标量
HOG金字塔每组的层数
(3) numblocks,整型标量
模型中总的数据块的个数
(4) numcomponents,整型标量
组件的个数(含多少个组件模型)
(5) blocksizes,double数组,长度等于numblock
blocksizes[]数组的元素个数等于numblock,指明每个数据块的大小,
所以,想知道哪个数据的大小,就先找到他的数据块标识,然后去blocksizes[]数组查找对应的数据块大小。
(6) regmult,double数组,长度等于numblock
还不清楚干什么的
(7) learnmult,double数组,长度等于numblock
还不清楚干什么的
(8) lowerbounds,cell类型数组,长度等于numblock
每个数据块的数据值的下界,lowerbounds[]数组的元素个数等于numblock。
假如某个数据块的数据是向量或矩阵的话,则对应的lowerbounds元素值也是一个下界向量或矩阵
(9) maxsize,二元组
所有组件的根滤波器的[高度 宽度]的最大值,maxsize是统计所有组件的根滤波器的尺寸获得的。
(10) minsize,二元组
所有组件的根滤波器的[高度 宽度]的最小值,minsize是统计所有组件的根滤波器的尺寸获得的。
(11) rootfilters,cell类型数组,长度为组件个数
根滤波器数组,其每个元素表示一个组件模型的根滤波器的信息,每个元素包括3个字段:
size:根滤波器的尺寸,以cell为单位,w*h
w:根滤波器的参数向量,维数为(w*h)*31
blocklabel:此根滤波器所在的数据块标识
(12) partfilters,cell类型数组,长度为模型中所有组件的部件的个数之和
部件滤波器数组,其每个元素表示一个部件滤波器的信息,每个元素包括4个字段,注意:所有组件的部件是连续编号的
w:部件滤波器的参数向量,维数为(w*h)*31
partner:此部件对应的伙伴部件(对称部件)的索引,如果partner的值为0,表示此部件没有伙伴部件。
fake:是否假部件,值为1表示此部件是假部件,假部件不需要blocklabel
blocklabel:此部件滤波器所在的数据块标识
(13) defs,cell类型数组,长度为模型中所有组件的部件的个数之和
部件的锚点数组 (变形信息数组),每个元素表示对应部件的可变形信息。注意:所有组件的部件在defs中也是连续编号的。每个元素包含3个字段:
anchor:部件的锚点坐标,即部件未变形时的左上角点坐标,参见论文[2010 PAMI]中的公式(3)中的vi变量
w:w是一个四维向量,指明部件的变形花费函数的参数,参见论文[2010 PAMI]中的公式(2)中的di变量
blocklabel:所在的数据块标识
(14) offsets,cell类型数组,长度为组件个数
偏移量数组,每个元素表示对应组件模型的偏移量,每个元素又含有2个字段
w:组件的偏移量,是个实数值
blocklabel:所在的数据块标识
(15) components,cell类型数组,长度为组件个数
组件信息数组,每个元素存储一个组件模型的信息,每个元素又包含7个字段:
rootindex:根滤波器的索引,指出组件的根滤波器在rootfilters[]数组的位置
offsetindex:组件的偏移量索引,指出组件的偏移量在offsets[]数组的位置
part:组件的部件信息数组,长度为该组件的部件个数,每个元素表示一个部件,每个元素又有2个字段:
partindex:部件的索引,指出此部件在partfilters[]数组的位置,注意:所有组件的部件是连续编号的
defindex:部件的锚点数组索引,指出此部件的锚点在defs[]数组的位置,注意:所有组件的部件是连续编号的
dim:组件的维数(至于这个值具体是怎么计算来的,我现在还不清楚,弄清楚了来更新)
numblocks:组件所占的数据块个数(需要多少个数据块来存储此组件模型),所有组件的numblocks之和等于整个模型的numblocks
x1,y1,x2,y2:包围盒预测参数
一些需要解释的地方
关于模型中的blocklabel的理解说明:
模型中有好多数组,例如rootfilters[],partfilters[],defs[],offsets[],这些数组的数据是以块block为单位进行存储的,通过块标识blocklabel来识别哪个数据位于哪个块上,所以上述数组的每个成员都有一个blocklabel域,来指明此数据所在的块。numblock是总的数据块个数。blocksizes[]数组的元素个数等于numblock,指明每个数据块的大小,
所以,想知道哪个数据的大小,就先找到他的数据块标识,然后去blocksizes[]数组查找对应的数据块大小。
关于部件的伙伴partner的解释:
在voc-release3.1中,模型是关于中轴对称的,所以就有了伙伴部件(或称为对称部件)的概念。注意:从第4版开始模型不再要求是对称的。一个部件存在伙伴,就说明有和此部件对称的部件。伙伴部件的参数向量和此部件的参数向量w完全相同,一个部件和其伙伴部件是关于模型的中轴对称的,所以不需要重复存储参数向量w,这样,就产生了一些假(fake)部件,它们只有一个空壳。假部件(fake=1)没有blocklabel,因为它们不需要数据块来存储信息,它们的信息存储在对应的伙伴部件中。如果partner的值为0,表示此部件没有伙伴部件。
关于偏移量offset的解释:
偏移量offset就是加在每个组件模型的得分公式最后的一个实数值,参见论文[2010 PAMI]中的公式(2)中的b值。
关于锚点数组defs的解释:
一开始我以为def是定义definition的缩写,但解释不通,现在知道了,def是可变形deformable的缩写,所以defs数组中存储的是所有部件的变形参数。anchor,锚点坐标,是部件未发生移动时的坐标,即理想状况下的位置,更详细的说,anchor是部件未变形时的左上角点坐标。w,是个4维向量,指明部件i的变形花费函数的参数,参见论文[2010 PAMI]中的公式(2)中的di变量。通过分析源码发现w中4个参数分别对应这4个偏移量[Δx^2, Δx, Δy^2, Δy](分析可视化变形花费的代码时确定的,在文件visualizemodel.m中)。
关于每个cell的特征向量的维数为什么是31维的解释:
设C是聚合有9个对比度不敏感方向的像素级特征映射而获得的基于cell的特征映射,D是聚合有18个对比度敏感方向的像素级特征而获得的基于cell的特征映射。用4种不同的归一化方法对C(i,j)和D(i,j)进行归一化和截断(限幅),可以获得一个4*(9+18)=108维的特征向量F(i,j)。实际中我们使用此108维向量的一个解析投影,此投影由下面几个统计量定义:27个在不同归一化因子上的累加和(即列的和),F中的每个方向通道对应一个;以及4个在不同方向(9维对比度不敏感方向)上的累加和(即行的和),每个归一化因子对应一个。cell尺寸k=8,截断(限幅)阈值α=0.2。最终的特征映射是31维向量G(i,j),其中27维对应不同的方向通道(9个对比度不敏感方向和18个对比度敏感方向),剩下4维表示(i,j)周围4个cell组成的block的梯度能量。详见[2010 PAMI]论文中6.2节 PCA和解析降维。
明白了这些,初始化的过程就很容易看懂了,初始化的过程在下面的源码上有注释:
function model = initmodel(pos, sbin, size) % 初始化模型结构 % 参数 % pos:用来训练此模型的正样本数组 % sbin:HOG特征的最小单位,cell的长度 % size:根滤波器尺寸 % 如果不提供根滤波器的尺寸,则根据正样本的长宽比统计信息计算得出 % % model = initmodel(pos, sbin, size) % Initialize model structure. % If not supplied,the dimensions of the model template are computed from statistics in the postive examples. % % 关于cell尺寸sbin的解释: % 将像素级特征聚合成为基于cell的特征C(i,j),0<=i<=|(w-1)/k|,0<=j<=|(h-1)/k|,参见[2010 PAMI]论文6.1.2 空间聚合, % 这里的k就是cell尺寸sbin,这样可以更明确的理解sbin的用处 % % 关于部件的伙伴partner的解释: % 在voc-release3.1中,模型是关于中轴对称的,所以就有了伙伴部件(或称为对称部件)的概念。注意:从第4版开始模型不再要求是对称的。 % 一个部件存在伙伴,就说明有和此部件对称的部件。伙伴部件的参数向量和此部件的参数向量w完全相同,一个部件和其伙伴部件是关于模型的中轴对称的, % 所以不需要重复存储参数向量w,这样,就产生了一些假(fake)部件,它们只有一个空壳。假部件(fake=1)没有blocklabel,因为它们不需要数据块来存储信息, % 它们的信息存储在对应的伙伴部件中。如果partner的值为0,表示此部件没有伙伴部件。 % % 关于每个cell的特征向量的维数为什么是31维的解释: % 设C是聚合有9个对比度不敏感方向的像素级特征映射而获得的基于cell的特征映射,D是聚合有18个对比度敏感方向的像素级特征而获得的基于cell的特征映射。 % 用4种不同的归一化方法对C(i,j)和D(i,j)进行归一化和截断(限幅),可以获得一个4*(9+18)=108维的特征向量F(i,j)。 % 实际中我们使用此108维向量的一个解析投影,此投影由下面几个统计量定义: % 27个在不同归一化因子上的累加和(即列的和),F中的每个方向通道对应一个;以及4个在不同方向(9维对比度不敏感方向)上的累加和(即行的和),每个归一化因子对应一个。 % cell尺寸k=8,截断(限幅)阈值α=0.2。最终的特征映射是31维向量G(i,j),其中27维对应不同的方向通道(9个对比度不敏感方向和18个对比度敏感方向), % 剩下4维表示(i,j)周围4个cell组成的block的梯度能量。详见[2010 PAMI]论文中6.2节 PCA和解析降维 % % 关于模型中的blocklabel的理解说明: % 模型中有好多数组,例如rootfilters[],partfilters[],defs[],offsets[],这些数组的数据是以块block为单位进行存储的, % 通过块标识blocklabel来识别哪个数据位于哪个块上,所以上述数组的每个成员都有一个blocklabel域,来指明此数据所在的块。 % numblock是总的数据块个数(注意不是总的部件个数,刚开始理解错了),blocksizes[]数组的元素个数等于numblock,指明每个数据块的大小, % 所以,想知道哪个数据的大小,就先找到他的数据块标识,然后去blocksizes[]数组查找对应的数据块大小。 % % 关于偏移量offset的解释: % 偏移量offset就是加在每个组件模型的得分公式最后的一个实数值,参见论文[2010 PAMI]中的公式(2)中的b值 % % 关于锚点坐标数组defs[]的解释: % 一开始我以为def是定义definition的缩写,但解释不通,现在知道了,def是可变形deformable的缩写,所以defs数组中存储的是所有部件的变形参数 % anchor,锚点坐标,是部件未发生移动时的坐标,即理想状况下的位置,更详细的说,anchor是部件未变形时的左上角点坐标 % w,是个4维向量,指明部件i的变形花费函数的参数,参见论文[2010 PAMI]中的公式(2)中的di变量 % 通过分析源码发现w中4个参数分别对应这4个偏移量[Δx^2, Δx, Δy^2, Δy](分析可视化变形花费的代码时确定的,在文件visualizemodel.m中) % % model.sbin HOG cell的尺寸 % model.interval 金字塔每组的层数 % model.numblocks 总的数据块个数 % model.numcomponents 组件的个数(含多少个组件模型) % model.blocksizes 每个数据块的大小,blocksizes[]数组的元素个数等于numblock % model.regmult % model.learnmult % model.lowerbounds 每个数据块的数据值的下界,lowerbounds[]数组的元素个数等于numblock %假如某个数据块的数据是向量或矩阵的话,则对应的lowerbounds元素值也是一个下界向量或矩阵 % model.maxsize 所有组件的根滤波器的[高度 宽度]的最大值 % model.minsize 所有组件的根滤波器的[高度 宽度]的最小值 % model.rootfilters{i} 组件i的根滤波器,根滤波器数组的长度等于组件个数 % .size 组件i的根滤波器的尺寸(以cell为单位),w*h % .w 组件i的根滤波器向量,维数为(w*h)*31 % .blocklabel 组件i的根滤波器所在的数据块标识 % model.partfilters{i} 第i个部件滤波器,部件滤波器数组的长度等于所有组件的部件个数的总和,注意:所有组件模型的part是连续编号的 % .w 第i个部件滤波器向量,维数为(w*h)*31 % .blocklabel 第i个部件滤波器所在的数据块标识 % model.defs{i} 第i个部件的锚点,部件锚点数组的长度等于所有组件的部件个数的总和,所有组件模型的part是连续编号的 % .anchor 第i个部件的锚点坐标,即部件i未变形时的左上角点坐标,参见论文[2010 PAMI]中的公式(3)中的vi变量 % .w w是一个四维向量,指明部件i的变形花费函数的参数,参见论文[2010 PAMI]中的公式(2)中的di变量 % .blocklabel 第i个部件的锚点所在的数据块标识 % model.offsets{i} 第i个组件的偏移量,偏移量数组的长度等于组件个数 % .w 第i个组件的偏移量,是个实数值 % .blocklabel 第i个组件的偏移量所在的数据块标识 % model.components{i} 第i个组件的信息 % .rootindex 第i个组件的根滤波器的索引,指出组件i的根滤波器在rootfilters[]数组的位置 % .parts{j} 第i个组件的第j个部件的信息 % .partindex 第i个组件的第j个部件的部件滤波器数组索引,指出在partfilters[]数组的位置,注意:所有组件模型的part是连续编号的 % .defindex 第i个组件的第j个部件的锚点坐标数组索引,指出在defs[]数组的位置,注意:所有组件模型的part是连续编号的 % .offsetindex 第i个组件的偏移量的索引,指出在offsets[]数组的位置 % .dim 第i个组件的维数 % .numblocks 第i个组件模型的数据块个数(需要多少个数据块来存储组件模型i),所有组件的numblocks之和等于整个模型的numblocks % 计算此组正样本典型的高宽比aspect % pick mode of aspect ratios h = [pos(:).y2]‘ - [pos(:).y1]‘ + 1; % 所有正样本的高度数组 w = [pos(:).x2]‘ - [pos(:).x1]‘ + 1; % 所有正样本的宽度数组 xx = -2:.02:2; filter = exp(-[-100:100].^2/400); aspects = hist(log(h./w), xx); aspects = convn(aspects, filter, ‘same‘); [peak, I] = max(aspects); aspect = exp(xx(I)); % 选择根滤波器的面积(以像素为单位) % pick 20 percentile area areas = sort(h.*w); % 对面积从小到大排序 area = areas(floor(length(areas) * 0.2)); % 选择从小到大20%处的面积 area = max(min(area, 5000), 3000); % 面积最大值5000,最小值3000 % 根据以上计算出的高宽比和面积,得到根滤波器的高度和宽度(以像素为单位) % pick dimensions w = sqrt(area/aspect); % 根的宽度(以像素为单位),area=w*h,aspect=h/w,所以area/aspect = (w*h)*(w/h) = w^2 h = w*aspect; % 根的高度(以像素为单位) % HOG cell的尺寸,默认为8 % size of HOG features if nargin < 4 model.sbin = 8; else model.sbin = sbin; end % 设定根滤波器尺寸(以cell为单位) % size of root filter if nargin < 5 model.rootfilters{1}.size = [round(h/model.sbin) round(w/model.sbin)]; % 以像素为单位的根的尺寸除以cell的尺寸,等于以cell为单位的根的尺寸 else model.rootfilters{1}.size = size; end % 初始化偏移量数组 % 偏移量offset就是加在每个组件模型的得分公式最后的一个实数值,参见论文[2010 PAMI]中的公式(2)中的b值 model.offsets{1}.w = 0; % 组件1的偏移量的初始值设为0 model.offsets{1}.blocklabel = 1; % 组件1的偏移量的块标识,值为1表明组件1的偏移量是模型中的第一个数据块 model.blocksizes(1) = 1; % 第一个数据块的大小,值为1,因为只用来存储组件1的偏移量,即一个实数值 model.regmult(1) = 0; model.learnmult(1) = 20; model.lowerbounds{1} = -100; % 第一个数据块的数据值的下界,-100 % 初始化根滤波器数组 model.rootfilters{1}.w = zeros([model.rootfilters{1}.size 31]); % 组件1的初始根滤波器的向量值为全0 height = model.rootfilters{1}.size(1); % 组件1的根滤波器的高度 % root filter is symmetric 注意:根滤波器是左右对称的 width = ceil(model.rootfilters{1}.size(2)/2); % 组件1的根滤波器的宽度的一半 model.rootfilters{1}.blocklabel = 2; % 组件1的根滤波器的块标识 model.blocksizes(2) = width * height * 31; % 存储组件1的根滤波器的数据块(第二个数据块)的大小,由于根滤波器是左右对称的,所以是h*(w/2)*31 model.regmult(2) = 1; model.learnmult(2) = 1; model.lowerbounds{2} = -100*ones(model.blocksizes(2),1); % 第二个数据块的值的下界,-100 % 初始化组件模型 % set up one component model model.components{1}.rootindex = 1; % 组件1的根滤波器数组索引 model.components{1}.offsetindex = 1; % 组件1的偏移量数组索引 model.components{1}.parts = {}; % 组件1的部件信息,当前为空 model.components{1}.dim = 2 + model.blocksizes(1) + model.blocksizes(2); % 组件1的模型参数向量维数 model.components{1}.numblocks = 2; % 组件1的数据块个数 % 初始化剩下的模型参数 % initialize the rest of the model structure model.interval = 10; % 金字塔每组的层数 model.numcomponents = 1; % 模型的组件个数 model.numblocks = 2; % 模型的总的数据块个数 model.partfilters = {}; % 部件滤波器数组 model.defs = {}; % 部件锚点数组 model.maxsize = model.rootfilters{1}.size; % 所有组件的根滤波器的最大值 model.minsize = model.rootfilters{1}.size; % 所有组件的根滤波器的最小值
相关链接
Deformable Part Model 相关网页:http://www.cs.berkeley.edu/~rbg/latent/index.html
Pedro Felzenszwalb的个人主页:http://cs.brown.edu/~pff/
PASCAL VOC 目标检测挑战:http://pascallin.ecs.soton.ac.uk/challenges/VOC/
A Discriminatively Trained, Multiscale, Deformable Part Model [CVPR 2008] 中文翻译
Object Detection with Discriminatively Trained Part Based Models [PAMI 2010]中文翻译
有关可变形部件模型(Deformable Part Model)的一些说明
在Windows下运行Felzenszwalb的Deformable Part Models(voc-release4.01)目标检测matlab源码
在Windows下运行Felzenszwalb的star-cascade DPM(Deformable Part Models)目标检测Matlab源码
在windows下运行Felzenszwalb的Deformable Part Model(DPM)源码voc-release3.1来训练自己的模型
用DPM(Deformable Part Model,voc-release3.1)算法在INRIA数据集上训练自己的人体检测模型