用于识别的HOG、SIFT和密集SIFT描述符的不同精度

Question

嘿伙计们，

我真的很困惑，我得到的结果，以获得认可。

当我使用HOG时，我获得了不同的识别精度(基于参数im使用)。我能理解这些。

也许，这是因为我对训练形象有不同的看法，而猪对此没有能力。所以我得到的最大精度只有40%。

那我就用SIFT。我得到更好的结果。大约是70%。

对于密筛，我得到的最大值只有38%。

我不知道，为什么会这样。因为密筛应该比筛更好。

因此，为此，我试图使用PCA从每个描述符中获取主要特性。然后我结合这些主要特征来进行识别。但我得到的结果更糟。是不是只有30%。

    PCA HOG(150,4),PCA SIFT(150,3)=PCA COMBINATION(50,7)

为什么会发生这种事？为什么密筛会造成最坏的结果？为什么当我把所有的主成分(从猪、筛和密筛)组合在一起时，我得到了更坏的结果？？

现在，我只是在一个样本图像中做所有的事情。我有4000张图片，但现在，我只使用了150张图片。

我用这个小尺寸的样本来尝试不同的参数，在得到这个最好的参数之后，我会在整个列车图像中使用它。它会给出相同的结果(与样本的小尺寸图像相比)吗？

Answer 1

可能是，因为我对训练图像有不同的看法，而HOG没有这样的能力

密筛也是如此。如果您有不同的观点，密集的方法不适合这种情况。尝试Hessian-仿射作为检测器和SIFT作为描述符，我想你会有更好的性能比SIFT。