大家好，我是你們的老朋友——澤哥！最近一直沒有寫部落格是因為澤哥最近在忙大學畢業設計。澤哥的大學畢業設計是研究DPM模型的，相信大家也略微了解，DPM模型即Deformable Part Model（可變形子部件模闆模型）。沒有研究DPM模型的小夥伴請移步這裡：
DPM譯文(由masiikkk大神翻譯)
如何在windows下運作DPM(release4.01)
Deformable Part Model 相關網頁：http://www.cs.berkeley.edu/~rbg/latent/index.html
Pedro Felzenszwalb的個人首頁：http://cs.brown.edu/~pff/
做過視覺跟蹤技術以及圖像識别技術的同學或多或少的對DPM算法由一些了解4的。在RCNN、Mask-RCNN誕生之前，DPM在圖像識别領域一直處于王者的地位，在面對發生形變的非剛性目标時，DPM部件濾波器的設計可以完美的解決形變問題。可以說，DPM開創了利用卷積提取圖像特征的先河，為以後的卷積神經網絡等深度學習算法打下了堅實的基礎。
DPM(release 4.01)是RGB大神在2012年開源的，對非剛性目标的檢測召回率非常高，但是美中不足的是DPM4的計算量特别大。DPM4的計算過程主要集中在利用滑動視窗法對圖像的特征金字塔進行卷積計算上。我們知道，一個512*512的三通道八位圖像的特征金字塔一共有43層，每一層的第三維都是32層。如果加載一個三元件的DPM模型，那麼我們将會得到54個濾波器(6個根濾波器加上48個部件濾波器)，這54個濾波器每一個都要與43層特征金字塔上的每一個cell進行卷積，可見這種計算量有多麼可怕！
可見DPM4是無法應用于實時檢測的，對此RGB在2014年開源了一份由PCA降維以及casscade加速的DPM。本人下載下傳下來進行運作測試，發現這個版本的DPM簡直無敵，在不損失召回率(圖像檢測準确率)的前提下，速度竟然能快出13倍。下面本人将已經調試好的，可以在windows下直接運作的源代碼開源出來，供同學們學習。
上張圖檔是程式所在檔案夾
