Detector PLS

O DetectorPLS é uma implementação do artigo Detecção Humana Usando Análise de Mínimos Quadrados Parciais. W.R. Schwartz, A. Kembhavi, D. Harwood, L. S. Davis. Nos anais do ICCV. Kyoto, Japão, 2009 [pdf][página do projeto].

O objetivo desta implementação é permitir que os pesquisadores realizem a detecção usando modelos já aprendidos para aplicações como a detecção de rosto e humana e também fornecer uma maneira simples de aprender novos modelos de objeto para detecção, fornecendo exemplos das amostras positivas e negativas. Como descrito em nosso artigo, o método de detecção é baseado na extração de um rico conjunto de características baseadas em arestas, cores e texturas analisadas por mínimos quadrados parciais (PLS).

A implementação atual fornece dois módulos: detecção e aprendizado. O módulo de detecção realiza a detecção de objetos em várias escalas, onde o usuário permite inserir uma única imagem, um diretório contendo várias imagens especificadas por uma extensão ou um vídeo. Enquanto o módulo de aprendizagem permite que o usuário realize o treinamento de novos modelos de objetos, fornecendo diretórios contendo exemplares negativos e positivos de uma classe de objeto a ser aprendida.

O DetectorPLS versão 0.0.1 está disponível apenas para janelas em dois pacotes. O segundo pacote contém, além do executável para detecção, o conjunto de treinamento usado para aprender o modelo PLS para detecção de face, para que se possa seguir as etapas necessárias para aprender um novo modelo PLS a partir de amostras de uma classe de objetos.

Se você encontrar erros ou problemas neste software ou você tem sugestões para melhorar ou torná-lo mais amigável ao usuário, por favor envie um e-mail para williamrobschwartz [no] gmail.com.

Documentação

Alguns exemplos de execução para executar a detecção usando os modelos PLS são fornecidos em README.txt no arquivo zip. Além disso, o README.txt mostra exemplos de como o executável pode ser usado para aprender novos modelos de PLS com conjuntos de treinamento fornecidos pelo usuário (exemplos são fornecidos para detecção de face usando o conjunto de treinamento Caltech).

Uma documentação mais abrangente, explicando o conjunto de parâmetros de linha de comando disponíveis, pode ser encontrada no manual, também fornecido com o software.

Uma apresentação em PowerPoint apresentando o software está disponível neste link (apresentação em [pdf]).

Download

filenamesizeOS
DetectorPLS.v.0.1.1.zip32,902KB

windows

DetectorPLS_faces.v.0.1.1.zip127,676KB

windows

 

Modelos PLS para Download

Vários modelos de PLS aprendidos usando diferentes conjuntos de dados podem ser baixados individualmente daqui (cada modelo tem um arquivo de configuração a ser usado com o parâmetro -c).

NomeAplicaçãoDet. Window sizeEstágiosDescrição
hd.INRIA.64×128.1sHuman detection64×1281

Model learned using INRIA pedestrian dataset.

hd.INRIA.64×128.2sHuman detection64×1282

Model learned using INRIA pedestrian dataset.

fd.Caltech.32×42.1sFace detection32×421

Model learned using faces in Caltech 101 dataset and INRIA pedestrian dataset for negative samples.

 

Referências para detecção humana

A próxima figura mostra a curva Tradeoff do erro de detecção para o dataset INRIA Person. Estes resultados foram obtidos usando modelos PLS hd.INRIA.64 × 128.1s (estágio único) e hd.INRIA.64 × 128.2s (dois estágios) usando a mesma configuração experimental descrita em nosso artigo ICCV’09 Detecção Humana Usando Mínimos Quadrados Parciais Análise [pdf].

Human Detector

Nota: os modelos PLS hd.INRIA.64 × 128.1s e hd.INRIA.64 × 128.2s são ligeiramente diferentes dos usados para obter os resultados mostrados no artigo (aqui usamos modelos PLS criados para cada bloco e o primeiro estágio é computado usando um subconjunto de blocos considerando os recursos do HOG).

 

Velocidade de Detecção

Na tabela a seguir, mostramos algumas velocidades médias de amostra para detecção humana usando modelhd.INRIA.64 × 128.2s quando um único núcleo é considerado (este modelo é fornecido com o software e pode ser usado com a opção -c Config.hd.INRIA. 64 × 128.2s.txt).

ProcessadorTamanho da imagemEscalasseg/frame
Intel Xeon 5140 (2.33GHz)640×480

16

120.2s
Intel i7 860 (2.80GHz)640×480

16

69.0s

Referências

Você deve citar o seguinte artigo se usar este software em seu trabalho.

Igor Leonardo Oliveira Bastos; William Robson Schwartz: Assigning Relative Importance to Scene Elements. Em: Conference on Graphics, Patterns and Images (SIBGRAPI), pp. 1-8, 2017. (Tipo: Inproceedings | Links | BibTeX)