帶HOG描述符的單詞包

Question

我不太清楚如何用HOG描述符實現「Bag of Words」方法。 我檢查了幾個通常會提供以下幾個步驟的來源：

1. 計算有效訓練圖像集的HOG。
2. 應用聚類算法從描述符中檢索n個質心。
3. 執行一些魔術來創建具有計算HOG的最接近質心頻率的直方圖，或使用OpenCV實現來執行此操作。
4. 列車的線性SVM與直方圖

涉及魔法（3）是沒有真正明確的步驟。如果我不使用OpenCV，我將如何實現它？

HOG是以細胞方式計算的向量。所以我對每個單元格都有一個向量。我可以迭代矢量並計算矢量的每個元素的最接近的質心，並相應地創建直方圖。這是否是一個正確的方法來做到這一點？但如果是這樣，我仍然有不同大小的載體，並沒有從中受益。

Answer 1

可以表示主要步驟;

1-從整個訓練集中提取特徵。 （HOG功能爲您的目標）

2-將這些功能聚類到詞彙表V中; （K-Means，K-Medoid，你的超參數爲K）

3-將每個訓練圖像編碼爲每個詞彙元素在圖像中出現的次數的直方圖。然後每個圖像由長度爲K的矢量表示。

例如; K的第一個元素可能會出現5次，K的第二個元素可能會在您的圖像中出現10次。最後你會有一個有K個元素的向量。

K [0] = 5 K [1] = 10 .... .... K [η] = 3

4-列車使用該載體的分類器。 （線性SVM）

當給出測試圖像時，提取特徵。現在將測試圖像表示爲每個聚類中心與V最接近的測試圖像中某個要素的直方圖。這是一個長度爲K的矢量。