tools.cc

   1 /*
   2  *  folded-ctf is an implementation of the folded hierarchy of
   3  *  classifiers for object detection, developed by Francois Fleuret
   4  *  and Donald Geman.
   5  *
   6  *  Copyright (c) 2008 Idiap Research Institute, http://www.idiap.ch/
   7  *  Written by Francois Fleuret <francois.fleuret@idiap.ch>
   8  *
   9  *  This file is part of folded-ctf.
  10  *
  11  *  folded-ctf is free software: you can redistribute it and/or modify
  12  *  it under the terms of the GNU General Public License version 3 as
  13  *  published by the Free Software Foundation.
  14  *
  15  *  folded-ctf is distributed in the hope that it will be useful, but
  16  *  WITHOUT ANY WARRANTY; without even the implied warranty of
  17  *  MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  18  *  General Public License for more details.
  19  *
  20  *  You should have received a copy of the GNU General Public License
  21  *  along with folded-ctf.  If not, see <http://www.gnu.org/licenses/>.
  22  *
  23  */
  24
  25 #include "misc.h"
  26 #include "tools.h"
  27 #include "fusion_sort.h"
  28
  29 scalar_t robust_sampling(int nb, scalar_t *weights, int nb_to_sample, int *sampled) {
  30   ASSERT(nb > 0);
  31   if(nb == 1) {
  32     for(int k = 0; k < nb_to_sample; k++) sampled[k] = 0;
  33     return weights[0];
  34   } else {
  35     scalar_t *pair_weights = new scalar_t[(nb+1)/2];
  36     for(int k = 0; k < nb/2; k++)
  37       pair_weights[k] = weights[2 * k] + weights[2 * k + 1];
  38     if(nb%2)
  39       pair_weights[(nb+1)/2 - 1] = weights[nb-1];
  40     scalar_t result = robust_sampling((nb+1)/2, pair_weights, nb_to_sample, sampled);
  41     for(int k = 0; k < nb_to_sample; k++) {
  42       int s = sampled[k];
  43       // There is a bit of a trick for the isolated sample in the odd
  44       // case. Since the corresponding pair weight is the same as the
  45       // one sample alone, the test is always true and the isolated
  46       // sample will be taken for sure.
  47       if(drand48() * pair_weights[s] <= weights[2 * s])
  48         sampled[k] = 2 * s;
  49       else
  50         sampled[k] = 2 * s + 1;
  51     }
  52     delete[] pair_weights;
  53     return result;
  54   }
  55 }
  56
  57 void print_roc_small_pos(ostream *out,
  58                          int nb_pos, scalar_t *pos_responses,
  59                          int nb_neg, scalar_t *neg_responses,
  60                          scalar_t fas_factor) {
  61
  62   scalar_t *sorted_pos_responses = new scalar_t[nb_pos];
  63
  64   fusion_sort(nb_pos, pos_responses, sorted_pos_responses);
  65
  66   int *bins = new int[nb_pos + 1];
  67   for(int k = 0; k <= nb_pos; k++) bins[k] = 0;
  68
  69   for(int k = 0; k < nb_neg; k++) {
  70     scalar_t r = neg_responses[k];
  71
  72     if(r < sorted_pos_responses[0])
  73       bins[0]++;
  74
  75     else if(r >= sorted_pos_responses[nb_pos - 1])
  76       bins[nb_pos]++;
  77
  78     else {
  79       int a = 0;
  80       int b = nb_pos - 1;
  81       int c = 0;
  82
  83       while(a < b - 1) {
  84         c = (a + b) / 2;
  85         if(r < sorted_pos_responses[c])
  86           b = c;
  87         else
  88           a = c;
  89       }
  90
  91       // Beware of identical positive responses
  92       while(c < nb_pos && r >= sorted_pos_responses[c])
  93         c++;
  94
  95       bins[c]++;
  96     }
  97   }
  98
  99   int s = nb_neg;
 100   for(int k = 0; k < nb_pos; k++) {
 101     s -= bins[k];
 102     if(k == 0 || sorted_pos_responses[k-1] < sorted_pos_responses[k]) {
 103       (*out) << (scalar_t(s) / scalar_t(nb_neg)) * fas_factor
 104              << " "
 105              << scalar_t(nb_pos - k)/scalar_t(nb_pos)
 106              << " "
 107              << sorted_pos_responses[k]
 108              << endl;
 109     }
 110   }
 111
 112   delete[] bins;
 113   delete[] sorted_pos_responses;
 114 }