HOG——目标检测的特征描述器之一
一丶 HOG简介
HOG是Histogram of Oriented Gradient的缩写，即方向梯度直方图特征，主要用于深度学习中的目标检测与识别，是用来描述物体检测的特征描述子。最早由法国研究人员Dalal在2005的CVPR上提出的，在该文中，作者利用HOG与SVM进行组合用来做行人检测的任务，后来被广泛应用。
二丶HOG的基本原理
首先说一说HOG代表的什么信息吧，我们所研究的图像中局部目标的表象和形状能够通过（梯度或边缘的方向密度分布）很好的表达，说白了就是图像的梯度信息，一般来说，梯度主要存在于边缘的地方。
接下来就是怎么获取方向梯度了，首先说的是大致的方向，我们把局部图像分成若干个小区域（细胞单元），然后统计各个区域中各个像素的梯度或边缘的方向直方图，最后将梯度信息统计在一起就是我们的特征描述器了。
接下来就是怎样将多个局部图像连成更大范围
本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！