这个车辆定位算法到底在做什么?
What is this vehicle locating algorithm doing exactly?
这是我在此 paper 上找到的一种算法,用于卫星图像中的车辆检测,该算法用于滑动 window 技术。
我有一个基本的想法,但我不明白车辆定位 windows 是如何创建的,任何帮助都会很好,谢谢。
HDNN = 混合深度神经网络
这是我的解释。
将图像分成 32 x 32 像素的图像。
计算所有图像的中心。收集所有这些图像。
将图像分成 48 x 48 像素的图像。重复步骤 2。将图像分成 64 x 64 像素图像。重复步骤 2。
过滤所有图像并将通过过滤器的图像输入 HDNN。图片按
过滤
- 将每张图片旋转 11 次:0、4.5、9、···、45 度
- 将非旋转图像缩小或放大为多尺度:0.8、0.9、1.0、1.1、1.2、1.3。
- 对于每个生成的图像,我们得到四个预处理图像:Gray、Gradient、Gradient1和Gradient2(见图1的(a)、(b)、(c))。这些预处理图像被归一化为 48 × 48 大小和 [0,255] 灰度范围。
所有这些经过旋转、缩小或放大的预处理图像都存储在他们的数据库中并发送到 HDNN。
这是我在此 paper 上找到的一种算法,用于卫星图像中的车辆检测,该算法用于滑动 window 技术。
我有一个基本的想法,但我不明白车辆定位 windows 是如何创建的,任何帮助都会很好,谢谢。
HDNN = 混合深度神经网络
这是我的解释。
将图像分成 32 x 32 像素的图像。
计算所有图像的中心。收集所有这些图像。
将图像分成 48 x 48 像素的图像。重复步骤 2。将图像分成 64 x 64 像素图像。重复步骤 2。
过滤所有图像并将通过过滤器的图像输入 HDNN。图片按
过滤- 将每张图片旋转 11 次:0、4.5、9、···、45 度
- 将非旋转图像缩小或放大为多尺度:0.8、0.9、1.0、1.1、1.2、1.3。
- 对于每个生成的图像,我们得到四个预处理图像:Gray、Gradient、Gradient1和Gradient2(见图1的(a)、(b)、(c))。这些预处理图像被归一化为 48 × 48 大小和 [0,255] 灰度范围。
所有这些经过旋转、缩小或放大的预处理图像都存储在他们的数据库中并发送到 HDNN。