有多种方法可以提取HoG特征，包括使用不同的方向、每个单元的像素数量以及不同的块大小。
但是否存在标准或最佳配置呢？我有50x100大小的训练图像，并选择了8个方向的方向。我从训练数据中提取特征以进行车辆分类，但我真的不知道什么是“最佳”的。
例如，这里有两种配置，有没有理由选择其中一种而不是另一种？个人感觉第二种更好，但为什么呢？
1个回答
9
我使用HOG算法进行产品识别。据我所知，标准HOG存在一个实际问题，即没有一种最佳配置，这取决于数据集。如果您已经有了数据集的最优值，并且调整了数据集中所有图片的大小，则应调整您的值。因此，对于HOG算法并没有“一种适合所有”的最佳值。
但是，不要灰心丧气。相反，您应该采用一种“始终有效”的方法。这个方法就是空间金字塔匹配。这只是在不同的尺度上进行HOG算法，并将它们组合在一起。一张图片胜过千言万语：
您可以看到，在这里，第2层只是具有细胞单元的标准HOG算法。但是也许这不是最佳尺度（因为细胞太小，您只会观察到噪声）（另一方面，像第0层这样的太大的细胞可能太大了，在所有地方都会有均匀的直方图）。当您在数据集上进行训练时，您可以计算出每个层的最佳权重，并且您将知道最优值，即最相关的单元大小是什么。
但是，不要灰心丧气。相反，您应该采用一种“始终有效”的方法。这个方法就是空间金字塔匹配。这只是在不同的尺度上进行HOG算法，并将它们组合在一起。一张图片胜过千言万语：
您可以看到，在这里，第2层只是具有细胞单元的标准HOG算法。但是也许这不是最佳尺度（因为细胞太小，您只会观察到噪声）（另一方面，像第0层这样的太大的细胞可能太大了，在所有地方都会有均匀的直方图）。当您在数据集上进行训练时，您可以计算出每个层的最佳权重，并且您将知道最优值，即最相关的单元大小是什么。- B. Decoster
6
但是对于一个有HoG特征经验的人来说，您是否也同意我放置的底部图像比顶部图像具有更好的HoG比例？ - user961627
1从个人经验来看，如果图像不是非常小，则每个单元格8x8像素通常是良好的配置。并且9个方向 - UoCTTI变体。
P. F. Felzenszwalb，R. B. Grishick，D. McAllester和D. Ramanan。具有具有区分训练部分模型的对象检测。 PAMI，2009年。 - old-ufo
你所说的“非常小”是什么意思？我猜50x100像素的图像不算是非常小的，对吗？ - user961627
1在我看来，绝对单元格大小并不重要。此外，我同意底部图像的比例更好，因为您“看到”的对象具有单元格的比例（窗户曲率、轮子曲率、门把手等），或者是几个单元格。顶部的图像太小了，你会观察到很多噪音。 - B. Decoster
当你说“在不同尺度上进行HOG处理”时，我的意思是，这就是问题对吧？你具体是如何做到的呢？你是指你有一个固定的HOG描述符大小（例如8x8单元格，2x2块，128x64像素用于一个HOG描述符），然后在图像上做金字塔吗？还是你的意思是保持图像大小不变，但每次都使用较小的HOG？到底是哪一种呢？谢谢 - Spacey
看这张图片，你可以看到这里使用了三个层级。第一级是完整图像的直方图。第二级是四个直方图，每个象限一个。你可以深入到任意深度，但要注意复杂性（此外，过多的深度并不真正有用）。因此，你保留你的图像，并且每次以较小的尺寸进行 HOG。（这也意味着，在数据集中调整所有图像的大小为相同的大小，例如1024x1024，将是个好主意） - B. Decoster
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接