夜深人靜了，就想寫點什麼，早在去年，BING剛一出現就對其進行了關注，CVPR2014的文章，作者提供了詳細的源代碼，得到了普遍的認可，本文談談對BING的一些個人理解，歡迎批評指正！
1. 算法思想
與之前介紹的edge boxes有異曲同工之妙，也是考慮了我們人類觀察事物的習慣：先粗看，再細看。BING就是提供一種”粗略檢測“的方法，先將目標大概的位置提取出來，主要目的是爲了提速，與edge boxes不同，BING是基於學習的，換句話說，我們如果將檢測人體，就可以用大量的人體樣本訓練BING，使得BING專注於人體的檢測，這是BING的一大優勢所在！下面我們的描述都是基於人體檢測。
BING的算法共分爲兩個階段，並且兩個階段都是基於SVM的，第一個階段，用SVM進行二分類，一類是人體，一類是非人體。第二階段，由於檢測出來的BING框框的大小不一，有的大小，比如說高10個像素，寬200個像素，是人體的可能性明顯較低，作者採用了對各個框框加權重的方式，對框框內包含人體的可能性進行了排序。兩個階段都基於SVM，乾脆直接稱呼爲cascade SVM。
2. 算法流程
根據BING代碼，給出訓練階段算法流程圖，如下所示：
其中，SVM共分爲兩個階段，這裏說一說第二階段的SVM，這個時候的訓練樣本其實就是proposal的得分，得分一定是標量，於是人體的proposal是正例，非人體的proposal就是負例，每個尺寸對應所有的訓練樣本得分，也就是說其實每個size都要進行一次SVM，公式如下所示：
我們要求的目標是<vi, ti>，只要做一個簡單的變形<sl, 1>，我們就可以直接利用linear SVM求解了，作者提供了詳細的源碼， SVM用的是三方庫liblinear中的函數。
在測試階段，先用事先定好大小的各類掃描框掃描圖像，得到各個尺度下的訓練樣本，這個時候再計算各自的得分s，然後利用非最大抑制（NMS）方法進行篩選，最後再利用上面的公式進行計算最終的得分。
重點說說作者在代碼裏面的一個大招，在第一階段，正樣本是proposal真值，負樣本是隨機提取的非目標proposal，根據這兩類樣本得到的濾波器w，在第二階段，作者沒有沿用第一階段得到的正負樣本，而是又重新基於w過濾了每一幅圖像，得到了一堆proposal（經過NMS處理過的），注意這個時候的proposal完全不知道類標哈，那怎麼確定類標呢？方法是拿這些新proposal和第一階段的真值propoals比較（重疊面積），然後將這些新proposal進行分類，以及計算各自對應的尺度和得分s，進一步，每個尺度都計算<v,
t>。
我的疑問是：第二階段爲什麼要重新生成proposal，直接利用第一階段弄好的proposal不行嗎？不行嗎？不行嗎？重要的問題要問三遍。
作者是否有什麼不可告人的祕密，不可告人的祕密，不可告人的祕密。。。。。
大家都長點心想想吧！！！
再者就是NMS方面的處理，一般我們在人臉檢測中使用NMS，都是基於重疊面積選擇最大的那個框作爲檢測框（可以將一個目標的所有檢測框看成一個局部區域），但是在BING第二階段訓練中是對每一個像素都要計算濾波器的得分，此處作者在代碼中採用的方式較爲簡單，其直接定義一個鄰域（NSS寬度），現將所有像素的代價值從大到小排序，然後將每個鄰域內最高得分值的像素保留，剩餘的全部去除。按照正常的流程來說，應該在領域內計算1到次高得分所對應的窗口與最高得分窗口之間的重疊面積，滿足閾值的窗口就要保留，否則抑制掉，這意味着可能在一個鄰域內可能會存在多個窗口得以“倖存”。作者可能是考慮到這麼做比較耗時，所以未採用傳統方式。
3. 結論
BING提供了一種基於學習的目標檢測方法，準確率算好的了，進一步可以基於BING框（proposal）進行細緻的目標檢測，相比較於滑窗方式而言，速度成倍的提高（我採用了評分最高的100個），正檢率比滑窗方式低了一些，誤檢率沒有明顯提高，速度提高了3倍左右，這種算法思想果斷是目標檢測以後的一大趨勢了！
