所以有很多关于如何提取 HoG 特征的选择。
使用不同的方向、每个单元格的不同像素数和不同的块大小。
但是有标准或最佳配置吗？
我有大小为 50x100 的训练图像，我选择了 8 个方向。我正在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”。
例如，我这里有 2 种配置，是否有任何理由选择一种而不是另一种？我个人觉得第二个是更好的选择，但为什么呢？
最佳答案
我使用 HOG 进行产品识别。根据我当时的理解，您指的是标准 HOG 的一个真正问题。根本没有最佳配置，这取决于数据集。如果您有数据集的最佳值，然后调整数据集的所有图片的大小，您也应该调整您的值的大小。因此，对于 HOG 没有最佳的“一刀切”值。
但一切都没有丢失。相反，您应该做的是一种“始终”有效的方法。想法是做Spatial Pyramid Matching .这只是在各种规模上进行 HOG 并将它们组合在一起。一张值一千字的图片:
你可以在这里看到，2 级只是带有精细细胞的标准 HOG。但也许它不是最好的尺度(因为单元太小，你只能观察到噪声)(另一方面，太大的单元，如级别 0，可能太大，你会在任何地方都有统一的直方图)。您可以在对数据集进行训练时计算每个级别的最佳权重，并且您将知道最佳值是什么，即:最相关的单元格大小是多少
关于image-processing - 理想数量的 HoG 特征，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/24332963/