不同HOG代码的混淆

Question

我已经下载了三个不同的 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 取决于图像大小和函数参数值。

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

2) 第二个 HOG 函数是从here 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) 来自 vl_feat 的 HoG 代码。

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。

哪个是正确的？

Answer 1

一切都是正确的。问题是 HOG 特征提取功能 default 参数因包而异。 （例如 - opencv、matlab、scikit-image 等）。我的意思是参数，winsize，stride，blocksize，scale等。

通常HOG描述符长度为：

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

既然都是正确的，那你可以用哪一个可以有多种答案。 您可以尝试不同的参数值并选择适合您的参数值。由于没有固定的方法来找到正确的值，因此如果您知道每个参数的变化如何影响结果将会很有帮助。

Cell-size ：如果增加此值，可能无法捕捉到小细节。

块大小：同样，大单元格大小的大块可能无法帮助您捕捉小细节。此外，由于大块意味着照明变化可能更多，并且由于梯度归一化步骤，许多细节将丢失。所以据此选择。

重叠/步幅：如果您选择重叠块，这再次帮助您捕获有关图像补丁的更多信息。通常它被设置为块大小的一半。

通过相应地选择上述参数的值，您可能会获得大量信息。但是描述符长度会变得不必要的长。

希望这会有所帮助:)