HOG特征维度的大小

Question

我在试图理解本文中 HOG 特征的大小时感到困惑。Mid-level Elements for Object Detection.。在 Dalal 的工作中，一个 64*128 像素的窗口由一个 4*9*7*15=3780 维度的 HOG 特征表示。但是在这篇论文中，一个 64*64 像素的窗口由一个 6*6*31 HOG 特征表示。我已经阅读了其中引用的参考资料，但仍然不明白它是如何计算的。谁能帮助我理解这个想法每个 64*64 窗口提取 6*6*31 HOG 特征？本文中的 cellsize、blocksize 和 stride 是多少？

Answer 1

您需要知道 HOG 有两种不同的功能。 有 Dalal 建议的原始版本（其中图像被分成块，块被分成单元格，正如您在问题中所解释的那样）。第二个是 UoCTTI HoG 功能。

为了解释您的问题，让我先解释一下数字 31。这是本文描述的 UoCTTI Hog 特征的维度（PF Felzenszwalb、RB Grishick、D. McAllester 和 D. Ramanan。对象使用经过判别训练的基于零件的模型进行检测。PAMI，2009）。在本文中，他们使用 PCA 将维度从 36 减少到 13，然后他们执行不同类型的增强以添加其余的 (18)。 6x6 是将图像划分为单元格。