假设我们计算不同大小的图像 block 的 HOG 特征，范围从 64 * 64 到 128 * 128。现在，如果我们想对这些图像 block 进行 k-means，我们是否应该对属于不同尺度的图像 block 进行归一化？我知道 HOG 特征已归一化，但尺度重要吗？
最佳答案
通常，HOG 表示是归一化的。但是，您必须注意 block 大小。事实上，无论图像大小如何，您必须具有相同数量的 block 。否则，您将获得不同长度的描述符，并且无法执行 k-means。这意味着当有更大的图像时，你将有更大的 block 。生成的直方图将包含来自更多梯度的信息，因此它们在这个阶段不是不变的。然而，通过应用直方图归一化，获得了最终描述符的尺度不变性。
然而，如果您不确定直方图归一化是否执行良好，您可以提取图像的描述符及其调整大小的版本并进行比较。 祝你好运!
关于image-processing - 不同尺度的 HOG 特征，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/19309691/