use*_*676 8 computer-vision sift
嗨,我是Computer Vision的新手.我正在研究Dense SIFT和HOG.对于密集SIFT,算法只将每个点视为感兴趣点并计算其梯度向量.HOG是用梯度向量描述图像的另一种方式.
我认为Dense SIFT是HOG的特例.在HOG中,如果我们将bin大小设置为8,则每个窗口有4个块,每个块有4个单元格,块步长与块大小相同,我们仍然可以为此窗口获得128个暗淡的向量.我们可以设置任何窗口步幅来滑动窗口以检测整个图像.如果这两种算法的窗口步幅相同,则可以得到相同的结果.
我不确定我是否正确.谁能帮我？
SIFT描述符选择16x16然后将其划分为4x4窗口.在这4个窗口中的每个窗口上,它计算直方图的直方图.在计算该直方图时,它还在相邻角度之间执行插值.一旦你拥有了所有的4x4窗口,它就会使用一半窗口大小的高斯,以16x16块的中心为中心,对整个16x16描述符中的值进行加权.
另一方面,HoG只计算一个简单的定向梯度直方图,如名称所示.
由于所涉及的高斯权重,我认为SIFT更适合描述一个点的重要性,而HoG没有这样的偏差.由于这个原因,(理想情况下)HoG应该更适合于密集SIFT上的图像分类,如果所有特征向量连接成一个巨大的向量(这是我的意见,可能不是真的)
| 归档时间： |
|
| 查看次数： |
7010 次 |
| 最近记录： |