使用不同尺寸但具有相同數量的HoG特征的圖像訓練分類器

Question

我想用一些圖像訓練我的分類器，其中一些圖像具有不同的尺寸。

它們都屬於以下尺寸：

• 100x50
• 50×
• 64x72
• 72x64

但是，具有9個定向容器，每個像元8個像素，每個容器都會生成648個HoG特征。

實際上，我選擇的所有圖像都是其中一種尺寸，這樣它們最終將具有相同數量的HoG功能，因此訓練是統一的。

我之所以選擇這樣做，是因為訓練圖像中的感興趣對象有時具有不同的寬高比，因此對於其中留有太多背景的某些圖像，將所有圖像裁剪為相同大小。

現在我的問題是-只要HoG功能的數量保持一致，訓練圖像的寬高比/圖像尺寸是否重要？ （我的訓練算法僅接受HoG功能）。

Answer 1

如果您的HOG功能全部使用8x8像元，那么如何為不同尺寸的圖像獲得相同尺寸的矢量？ 您不會在更大的圖像中有更多的單元格嗎？

通常，如果要使用HOG，則應將所有圖像調整為相同大小。

另一個問題：您只想對已經裁剪的圖像進行分類，還是要在大場景中檢測物體？ 如果您只想分類，則縱橫比的變化可能是個問題。 另一方面，如果要進行滑動窗口對象檢測，則寬高比的變化是一個更大的問題。 您可能必須根據寬高比將類別划分為子類，並為每個類別訓練一個單獨的檢測器。

編輯：對不起，但是通過使用舍入誤差和長寬比差異使HOG向量具有相同的長度是作弊的。 :)關鍵是讓HOG單元對空間信息進行編碼。 相應的單元必須在不同的圖像中編碼相同的斑點。 否則，您將比較蘋果和橙子。

就對象檢測而言，縱橫比至關重要。 您將在圖像上滑動一個窗口，並且該窗口最好具有與要檢測的對象相同的縱橫比。 否則，它將根本無法工作。 因此，如果您具有這4個不同的長寬比，則最好的選擇是訓練4個不同的探測器。