Viola-Jonesは簡単な負例を先に棄却することで顔検出を高速化した

かつて顔検出とは、多数の可能なウィンドウを走査し、すべてのパッチに対して過剰な計算を行うことを意味していた。ViolaとJonesは問題をカスケードとして再構成した。ほとんどのウィンドウは背景であるため、それらの棄却をほぼ無コストにする。

彼らのCVPR論文は三つの貢献を挙げている。高速な特徴計算のための積分画像、少数の重要な視覚的特徴を選択するAdaBoost、そして有望な物体らしい領域にのみより多くの計算を費やすカスケードである。

顔検出について、論文は従来の最良システムに匹敵する率を報告し、検出器は画像差分や肌色検出なしで毎秒15フレームで動作したと述べている。

空白の画像領域をほぼ無コストで棄却する

積分画像により、多くの矩形特徴を繰り返しテストできるほど安価にした。

AdaBoostは巨大な特徴プールをコンパクトな検出器に変えた。

カスケードはデータ分布に適合した。ほとんどのウィンドウは簡単な負例である。

速度はより高速な特徴だけからではなく、決定の順序付けからも得られる。最も安価で再現率の高いフィルタを最初に置き、詳細は生き残った少数の候補にのみ割り当てる。

Viola-Jonesの枠組みは、リアルタイムコンピュータビジョンと顔検出における画期的な成果となった。後の深層学習システムがそれを上回ったが、カスケードの考え方は、不確実性が残る場所にのみ計算を費やす明快な例であり続けている。