带HOG描述符的单词包

Question

我不太清楚如何用HOG描述符实现“Bag of Words”方法。 我检查了几个通常会提供以下几个步骤的来源：

1. 计算有效训练图像集的HOG。
2. 应用聚类算法从描述符中检索n个质心。
3. 执行一些魔术来创建具有计算HOG的最接近质心频率的直方图，或使用OpenCV实现来执行此操作。
4. 列车的线性SVM与直方图

涉及魔法（3）是没有真正明确的步骤。如果我不使用OpenCV，我将如何实现它？

HOG是以细胞方式计算的向量。所以我对每个单元格都有一个向量。我可以迭代矢量并计算矢量的每个元素的最接近的质心，并相应地创建直方图。这是否是一个正确的方法来做到这一点？但如果是这样，我仍然有不同大小的载体，并没有从中受益。

Answer 1

可以表示主要步骤;

1-从整个训练集中提取特征。 （HOG功能为您的目标）

2-将这些功能聚类到词汇表V中; （K-Means，K-Medoid，你的超参数为K）

3-将每个训练图像编码为每个词汇元素在图像中出现的次数的直方图。然后每个图像由长度为K的矢量表示。

例如; K的第一个元素可能会出现5次，K的第二个元素可能会在您的图像中出现10次。最后你会有一个有K个元素的向量。

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

4-列车使用该载体的分类器。 （线性SVM）

当给出测试图像时，提取特征。现在将测试图像表示为每个聚类中心与V最接近的测试图像中某个要素的直方图。这是一个长度为K的矢量。