理想的HoG功能数量

时间:2014-06-20 17:49:16

标签: image-processing classification feature-extraction training-data

因此,有很多选项可以提取HoG功能。 使用不同的方向,每个单元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50x100大小的训练图像,我选择了8个方向。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" s"最佳"。

例如,我在这里有2个配置,有没有理由选择其中一个?就个人而言,我觉得第二个是更好的选择,但为什么呢?

enter image description here

enter image description here

1 个答案:

答案 0 :(得分:7)

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的真正问题。根本没有最佳配置,它取决于数据集。如果您具有数据集的最佳值,然后调整数据集的所有图片大小,则还应调整值的大小。因此,没有最优的"一个尺寸适合所有" HOG的值。

但并非一切都没有丢失。你应该做的是一种始终有效的方法"。我的想法是做Spatial Pyramid Matching。这只是在各种规模上做HOG并将它们组合在一起。一张价值千言万语的照片:

From the article

你可以看到,在这里,2级只是具有细胞的标准HOG。但也许它不是最好的尺度(因为细胞太小而你只是观察到噪音)(另一方面,太大的细胞,如0级,可能太大,你会在任何地方都有统一的直方图)。在对数据集进行培训时,可以计算每个级别的最佳权重,并且您将知道什么是最佳值,即:最相关的单元格大小

相关问题