论文笔记 《DenseNet:Implementing Efficient ConvNet Descriptor Pyramids》

论文位置：http://arxiv.org/abs/1404.1869
三作又见rbg…

过程概述

如下图，从左往右是：

1. 原始图片
2. 缩放到25个分辨率
3. 将25个不同分辨率的图片拼成一个大图（为啥？下面说）
4. 将大图输入到CNN中（具体实现是caffe）
5. 得到了大图的feature map
6. 将大图裁剪成小图，得到特征金字塔
   

动机

自然是用来替代HoG了，可以参考DPM中HoG的使用方法

作者最后也是给出了方便的接口，但是我没有找到代码。。。囧
DPM HOG: pyra = featpyramid(image)
DenseNet: pyra = convnet featpyramid(image filename)

实现

• 为何要拼成大图

  • 因为Caffe的输出是固定大小的batch，为了适应这个限制，那么就将很多张小图拼成统一尺度的大图（1200x1200，或者2000x2000）
  • 这样带来的一个问题是感受野污染，也就是因为filter的感受野过大，那么位于分界线附近的点会受到其他图片的影响，于是作者的解决办法是加了32px的padding

• mean subtraction的问题

  • 通过统计mean pixel来解决，也就是将原来mean image的值再次求平均，得到一个pixel的均值（估计很接近128了。。）

效果

对比下面两图

• 上图是用常规方法（类似selective search的region proposal）得到的feature map
• 下图是用本文的方法（直接在原图上做）得到的feature map

作者想claim的是，最后得到的feature map看起来长得差不多。

拓展

这篇文章作者是没有做实验验证效果的。另外一篇ECCV14的workshop
用了把本文的CNN的特征金字塔用在了DPM上，下一篇博文会进行简单描述。