Un enfoque de grueso a fino para la detección rápida de objetos deformables

Presentamos un método que puede acelerar drásticamente la detección de objetos con modelos basados en partes. El método se basa en la observación de que el costo de detección probablemente esté dominado por el costo de emparejar cada parte con la imagen, y no por el costo de calcular la configuración óptima de las partes, como se asume comúnmente. Por lo tanto, acelerar la detección requiere minimizar el número de comparaciones parte-imagen. Con este fin, proponemos un modelo jerárquico basado en partes de múltiples resoluciones y un procedimiento de inferencia correspondiente de grueso a fino que elimina recursivamente del espacio de búsqueda ubicaciones de partes poco prometedoras. El método produce una aceleración de diez veces en comparación con el enfoque estándar de programación dinámica y es complementario al enfoque de cascada de partes. En comparación con este último, nuestro método no tiene parámetros que deban determinarse empíricamente, lo que simplifica su uso durante el entrenamiento del modelo. Lo más importante es que se pueden combinar las dos técnicas para obtener una aceleración muy significativa, de dos órdenes de magnitud en algunos casos. Evaluamos nuestro método extensivamente en los conjuntos de datos PASCAL VOC e INRIA, demostrando un aumento muy alto en la velocidad de detección con poca degradación de la precisión.