HOG 向量大小和维度

Question

我无法理解 HOG 特征向量的大小...

场景： 我拍了一张 286x286 的图像。然后我计算了每个 8x8 补丁的 HOG。意思是我得到了 8x8x2=128 个数字，由每个补丁的 9 bin 直方图表示。所以我可以说这个 9 bin直方图作为9维向量？之后，估计整个图像中HOG的补丁总数约为。 1225（因为我有方矩阵，所以我通过平方（286/8）=35）来估计总补丁）。我迭代了 1225 个补丁并为每个补丁计算了 9 个 bin 直方图。（我没有应用 16x16 块归一化） 将所有向量连接在一起后，我获得了 1225x9=11,025 大小的整个图像的 HOG。

问题：

1.那么说我在给定图像中获得了11,025维的HOG向量是否正确？

2.我的方向正确吗？（如果我选择通过神经网络进行分类）

3.这个拼接的HOG特征是否可以直接馈送到PCA进行降维？还是需要进一步的预处理？（一般不提前）

提前谢谢你！

Answer 1

1. 是的
2. 可能不会。你想做什么？例如，如果你在做分类，你应该使用 bag-of-words（实际上，你应该停止使用 HOG 并尝试深度学习）。如果你正在做图像检索/匹配，你应该计算局部补丁的 HOG 特征。
3. 您几乎总是可以使用 PCA 对您的特征进行降维，即使是 128 维 SIFT。