问dense SIFT和HoG有什么区别？
EN

Stack Overflow用户

提问于 2014-07-08 04:25:56

回答 1查看 10K关注 0票数 14

我是计算机视觉的新手。我正在研究密集筛子和猪。对于密集SIFT，该算法只将每个点视为一个兴趣点，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。

我认为密集筛选器是HOG的一个特例。在HoG中，如果我们将面元大小设置为8，对于每个窗口有4个块，对于每个块，有4个单元，并且块步长与块大小相同，我们仍然可以获得此窗口的128暗向量。我们可以设置任何窗口步长来滑动窗口来检测整个图像。如果这两种算法的窗口步长相同，则它们可以得到相同的结果。

我不确定我是否正确。有谁可以帮我？

回答已采纳

发布于 2014-07-08 22:55:04

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，它计算定向梯度的直方图。在计算此直方图时，它还执行相邻角度之间的插值。一旦有了所有的4x4窗口，它就使用窗口大小的一半的高斯，以16x16块的中心为中心来加权整个16x16描述符中的值。

另一方面，HoG只计算一个简单的定向梯度直方图，顾名思义。

我觉得SIFT更适合描述一个点的重要性，因为涉及到高斯加权，而HoG没有这样的偏见。由于这个原因，(理想情况下) HoG应该更适合于在密集SIFT上对图像进行分类，如果所有特征向量都连接成一个巨大的向量(这是我的观点，可能不是真的)

票数 12

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/24619210

复制

相似问题

问dense SIFT和HoG有什么区别？EN