不同HOG代码的混淆

Question

我下载了三种不同的HoG代码。使用64x128的图像

1)使用matlab函数：extractHOGFeatures，

[hog, vis] = extractHOGFeatures(img,'CellSize',[8 8]);

hog的大小是3780。

如何计算：

HOG特征长度N是根据图像大小和函数参数值确定的。

N = prod([BlocksPerImage, BlockSize, NumBins])
BlocksPerImage = floor((size(I)./CellSize – BlockSize)./(BlockSize – BlockOverlap) + 1)

2)第二个HOG函数是从这里下载的。使用相同的图像

H = hog( double(rgb2gray(img)), 8, 9 );

 %  I        - [mxn] color or grayscale input image (must have type double)
%  sBin     - [8] spatial bin size
%  oBin     - [9] number of orientation bins

H的大小是3024。

如何计算：

H        - [m/sBin-2 n/sBin-2 oBin*4] computed hog features

3) HoG代码来自vl_feat。

cellSize = 8;
 hog = vl_hog(im2single(rgb2gray(img)), cellSize, 'verbose','variant', 'dalaltriggs') ;
vl_hog: image: [64 x 128 x 1]
vl_hog: descriptor: [8 x 16 x 36]
vl_hog: number of orientations: 9
vl_hog: bilinear orientation assignments: no
vl_hog: variant: DalalTriggs
vl_hog: input type: Image

输出为4608。

哪一个是对的？

Answer 1

一切都是正确的。问题是HOG特征提取函数默认参数随包而变化。(例如- opencv，matlab，scikit-image等)。我指的参数是，大小、步幅、尺寸、比例等。

通常HOG描述符的长度是：

 Length = Number of Blocks x Cells in each Block x Number of Bins in each Cell

既然一切都是正确的，你可以用多种方法来回答。您可以尝试不同的param值，并选择适合您的。由于没有固定的方法来找到正确的值，如果您知道每个参数的更改如何影响结果，这将是有帮助的。

单元大小：如果增加这个值，可能不会捕获小细节.

块大小：同样，大单元大小的大块可能无助于捕获小细节。此外，由于大块意味着光照的变化可以更多，并由于梯度归一化步骤，许多细节将丢失。因此，选择相应的。

如果选择重叠块，Overlap/Stride：再次帮助您捕获有关图像修补程序的更多信息。通常情况下，它被设置为块的一半。

通过相应地选择上述参数的值，您可能有很多信息。但是描述符长度会变得不必要的长。

希望这会有所帮助:)