Подходы к оптимизации и распараллеливанию вычислений в задаче детектирования объектов разных классов на изображении

Евгений Александрович Козинов, Валентина Дмитриевна Кустикова, Иосиф Борисович Мееров, Алексей Николаевич Половинкин, Алексей Александрович Сиднев

Аннотация


Рассматривается задача детектирования объектов разных классов на статических изображениях: фотографиях или отдельных кадрах видеопотока. Описывается схема решения данной задачи с использованием алгоритма Latent SVM. Используется
известный подход к ускорению вычислений — построение каскада классификаторов.
Описывается вычислительная схема решения задачи детектирования с помощью каскадного Latent SVM. Обсуждаются проблемы распараллеливания и оптимизации времени поиска объектов одного класса на изображении. Проводится анализ вариантов решения указанных проблем. Выделяются наиболее трудоемкие участки реализаций, рассматриваются различные схемы распараллеливания, оцениваются их преимущества и недостатки. Приводятся результаты вычислительных экспериментов на базе изображений PASCAL Visual Object Challenge 2007, дается их анализ, а также форму-лируются выводы и планы по дальнейшему развитию.

Ключевые слова


детектирование объектов, алгоритм Latent SVM, каскадный классификатор, распараллеливание

Полный текст:

PDF

Литература


Понс, Ж. Компьютерное зрение. Современный подход / Ж. Понс, Д. Форсайт. –М.: Изд. д. Вильямс, 2004. – 465 c.

Szeliski, R. Computer Vision: Algorithms and Applications / R. Szeliski. – Springler,2010. – 979 p.

Sonka, M. Image Processing, Analysis and Machine Vision / M. Sonka, V. Hlavac,R. Boyle. – Thomson, 2008. – 866 p.

Felzenszwalb, P.F. Object Detection with Discriminatively Trained Part Based Models / P.F. Felzenszwalb, R.B. Girshick, D. McAllester, D. Ramanan // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 2010. – Vol. 32, No. 9. – P. 1627–1645.

Felzenszwalb, P.F. Cascade object detection with deformable part model / P.F. Felzenszwalb, R.B. Girshick, D. McAllester, D. Ramanan // Proceedings of the IEEE Computer Vision and Pattern Recognition (CVPR’10). – 2010. – P. 2241–2248.

Hastie, T. The elements of statistical learning. Data mining, inference and prediction / T. Hastie, R. Tibshirani, J. Freidman. – 2001. – 745 p.

Viola, P. Robust Real-Time Face Detection / P. Viola, M.J. Jones // International Journal of Computer Vision. – 2004. – No. 57(2) – P. 137–154.

Viola, P. Rapid object detection using a boosted cascade of simple features / P. Viola, M.J. Jones // Proceedings of the IEEE Conf. on Computer Vision and Pattern Recognition (CVPR’01). – 2001. – Vol. 1. – P. I-511–I-518.

Tuytelaars, T. The cascaded Hough transform / T. Tuytelaars, M. Proesmans, L. Van Gool // Proceedings of the IEEE International Conference on Image Processing (ICIP’97). –1997. – Vol. II. – P. 736–739.

Pentland, A. Face Recognition for Smart Environments / A. Pentland, T. Choudhury // IEEE Computer Vision. – 2000. – P. 50–55.

Alonso, D. Robust Vehicle Detection through Multidimensional Classification for On Broad Video Based Systems / D. Alonso, L. Saldaro, M. Nieto // Proceedings of the IEEE International Conference on Image Processing (ICIP’07). – 2007. – P. IV-321– IV-324.

Dalal, N. Histograms of oriented gradients for human detection / N. Dalal, B. Triggs // Proceedings of the IEEE Computer Vision and Pattern Recognition (CVPR’05). – 2005. – Vol. 1. – P. 886–893

Viola, P. Detecting pedestrians using patterns of motion and appearance / P. Viola, M.J. Jones, D. Snow // Proceedings of the 9th International Conference on Computer Vision (ICCV’03). – 2003. – Vol. 1 – P. 734-741.

Gavrila, D.M. Vision-based pedestrian detection: the protector system / D.M. Gavrila, J. Giebel, S. Munder // Proceedings of the IEEE Intelligent Vehicles Symposium, Parma, Italy. – 2004. – P. 13–18.

Amit, Y. 2D Object Detection and Recognition: models, algorithms and networks / Y. Amit. – The MIT Press, 2002. – 325 p.

Shotton, J. Contour-based Learning for Object Detection / J. Shotton, A. Blake, R. Cipolla // Proceedings of the 10th IEEE International Conference on Computer Vision (ICCV’05). – 2005. – Vol. 1. – P. 503–510.

Torralba, A. Contex-based Vision System for Place and Object Recognition / A. Torralba, K.P. Murphy, W.T. Freeman, M.A. Rubin // Proceedings of the 9th IEEE International Conference on Computer Vision (ICCV’03). – 2003. – Vol. 1. – P. 273–283.

Myung, J. Ch. Exploiting Hierarchical Contex on a large database of object categories / J.Ch. Myung, J.J. Lim, A. Torralba, A.S. Willsky // Proceedings IEEE Conf. on Computer Vision and Pattern Recognition (CVPR’10). – 2010. – P. 129–136.




DOI: http://dx.doi.org/10.14529/cmse120207