Viola-Jones는 쉬운 음성 샘플을 먼저 거부함으로써 얼굴 검출을 빠르게 만들었다

한때 얼굴 검출은 수많은 가능한 윈도우를 스캔하고 모든 패치에 너무 많은 연산을 실행하는 것을 의미했다. Viola와 Jones는 문제를 캐스케이드로 재구성했다. 대부분의 윈도우는 배경이므로, 이를 거부하는 비용을 거의 무료로 만들었다.

그들의 CVPR 논문은 세 가지 기여를 명시한다. 빠른 특징 계산을 위한 적분 이미지, 소수의 중요한 시각적 특징을 선택하기 위한 AdaBoost, 그리고 유망한 객체 유사 영역에만 더 많은 연산을 투입하는 캐스케이드이다.

얼굴 검출의 경우, 논문은 최고의 기존 시스템에 필적하는 비율을 보고하며, 검출기가 이미지 차분이나 피부색 검출 없이 초당 15프레임으로 실행되었다고 밝힌다.

빈 이미지 영역을 거의 무료로 거부

적분 이미지는 많은 직사각형 특징을 반복적으로 테스트할 수 있을 만큼 저렴하게 만들었다.

AdaBoost는 거대한 특징 풀을 간결한 검출기로 바꾸었다.

캐스케이드는 데이터 분포와 일치했다. 대부분의 윈도우는 쉬운 음성 샘플이다.

속도는 더 빠른 특징에서만이 아니라 결정의 순서에서 나올 수 있다. 가장 저렴한 고재현율 필터를 먼저 배치하고, 살아남은 소수의 후보에만 세부 사항을 할당하라.

Viola-Jones 프레임워크는 실시간 컴퓨터 비전과 얼굴 검출의 이정표가 되었다. 이후 딥러닝 시스템이 이를 능가했지만, 캐스케이드 아이디어는 불확실성이 살아남는 곳에만 연산을 투입하는 깔끔한 예시로 남아 있다.