小编sen*_*nti的帖子

我的输入图像的大小是 68 x 224 x 3 (HxWxC)，第一Conv2d层定义为

conv1 = torch.nn.Conv2d(3, 16, stride=4, kernel_size=(9,9))。

为什么输出特征体的尺寸是16 x 15 x 54？我知道有16个过滤器，所以前面有16，但是如果我用来[(W\xe2\x88\x92K+2P)/S]+1计算维度，维度是不可整除的。

有人可以解释一下吗？

我正在尝试使用 SVM-HOG 管道在 python 中使用 OpenCV 进行行人检测。

我有很多不同尺寸的图像，有些很小（例如21\xc3\x9732），有些较大（例如127\xc3\x97264）。

我首先将我的 HOG 描述符定义为hog = cv2.HOGDescriptor()\n当我通过调用计算 HOG 特征时，h = hog.compute(image)我发现当图像小于 64*128 时，描述符将无法计算特征，相反，它只是终止程序。

原始论文使用了 64*128 大小的图像，但我认为它还指出可以使用具有相同长宽比（1:2）的图像（如果我错了，请纠正我）。

我的问题是 64*128 是 HOG 描述符可以计算特征的最小尺寸吗？因为我尝试在调整为 32*64 的图像上计算 HOG 特征，但它不起作用。

谢谢。\n

for entries in os.listdir(dir_path):\n    if entries.endswith(".jpg"):\n        img = cv2.imread(os.path.join(test_path, entries))\n        rects, scores = hog.detectMultiScale(img, winStride=(4,4), padding=(8,8), scale=1.05)\n        sc = [score[0] for score in scores]\n        for i in range(len(rects)):\n            r = rects[i]\n            rects[i][2] = r[0]+r[2]\n            rects[i][3] = r[1]+r[3]\n        pick …