位置: IT常识 - 正文

【特征提取】Hog特征原理简介与代码实践(特征提取原理)

编辑:rootadmin
【特征提取】Hog特征原理简介与代码实践 前言

推荐整理分享【特征提取】Hog特征原理简介与代码实践(特征提取原理),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:特征提取后怎么分类,特征提取后怎么分类,特征提取原理,特征提取有什么用,特征提取有什么用,特征提取常用方法,特征提取有什么用,特征提取常用方法,内容如对您有帮助,希望把文章链接给更多的朋友!

在【模式识别】SVM实现人脸表情分类一文中,我曾使用Hog特征+SVM的方式实现表情分类,但对于Hog特征的原理并未做深入整理。此篇将结合scikit-image来简单分析Hog特征的原理和维度关系。因为没看过原论文,因此自己的理解可能会有偏差,如有错误,欢迎评论区指正。

图像梯度

在进入到Hog之前,需要先了解图像中梯度的概念。 以下图为例(图源:[1]),黑色像素点值为0,白色像素点值为1,分别求X方向梯度和Y方向梯度,从后两幅图可以看出,当箭头从0突变到1时,梯度为正值,图像中以白色边缘表示,反之为负值,以黑色的阴影表示。 更进一步,把X方向的梯度和Y方向的梯度进行融合,这样可以计算出每一个像素点的融合梯度大小和方向。 例如,上图中选择了一个像素点,其相邻位置的像素大小如宫格所示,X方向梯度大小为50,Y方向梯度大小为50,那么其融合梯度大小为70.1,方向为45°。

计算公式的数学表达如下[2]:

有了上面的概念之后,下面进入到Hog特征提取的流程。

标准化gamma空间和颜色空间(Gamma/Colour Normalization)

标准化gamma空间和颜色空间是Hog特征提取的第一步。 这一步主要做了3个操作:

1、因为颜色信息影响不大,因此先转化为灰度图;

2、进行gamma校正: gamma<1在高灰度值区域内,动态范围变小,图像对比度降低,图像整体灰度值变大,显得亮一些;gamma>1在低灰度值区域内,动态范围变小,图像对比度降低,图像整体灰度值变小,变得暗淡[3] 校正公式如下: 校正的好处在于:能够有效地降低图像局部的阴影和光照变化

3、对图像尺寸进行重新调整,并让各像素进行归一化;

计算图像梯度

图像预处理之后,就要计算图中每一个像素点的梯度。之前已经给出了图像梯度的计算公式,但在实际使用中,两个方向上的梯度分量可以用卷积的方式来快速计算。

x方向的梯度分量gradscalx:用[-1,0,1]梯度算子对原图像做卷积运算y方向的梯度分量gradscaly:用[1,0,-1]梯度算子对原图像做卷积运算为每个细胞单元构建梯度方向直方图【特征提取】Hog特征原理简介与代码实践(特征提取原理)

下面就需要引入一个细胞单元(Cell)的概念,这里Cell的尺寸可以自由设定,我这里以8 X 8 的尺寸为例,如下图所示: 这张猫选自VOC2012数据集,我对其进行了一定的裁剪。 这里的8 X 8指代一个Cell中包含8 X 8个像素点,例如图中的网格,每个网格代表一个像素点,对于每一个像素点可以计算出一个梯度值和方向。

下面就要统计每个Cell的梯度直方图,通常来说,直方图是用来统计频率的。这里也类似,因此,需要先把360°角度进行分类。按照原作者的说法,分成9份效果最好。于是就有了下面这张图[3]: 这里表示的是每一块为20°,这里初次看可能会有个疑问:360°/9 = 40°,每一块是40°才对,为什么是20°呢? 这是由于角度只看了数值,因此正角度和负角度的符号进行忽略,因此180°/9 = 20° 举个例子,第一个像素点梯度方向为45°,40°<45°<60°,这样它就被划分到第三组。 以此类推,统计一个Cell中每个像素点的角度,就可以得到梯度方向直方图。

把细胞单元组合成大的块(block),并归一化梯度直方图

下一步就要引入另一个新概念:块(block),一些博文中也称作窗口(windows),应该是同一个东西。 还是拿这张猫图举例,假设block的大小为2 X 2,那么就包含2 X 2个cell,所占据的尺寸为(16,16)个像素。 如图中的蓝框代表cell,黄框代表block,这里block的大小也是通过人为指定。 这样,一个block内所有cell的特征向量串联起来便得到该block的HOG特征,同时,需要在块内进行归一化。归一化的方法大致有四种: 根据原作者描述,使用L2-Hys方法效果最好[3]。

至于这里的大小设置,个人理解是和目标的尺寸有关。例如,行人检测的最佳参数设置是:3×3细胞/区间、6×6像素/细胞、9个直方图通道[3]。

移动block,计算维度

下面就到最后一步,一张图里有多个像素,那么通过计算之后,整张图的hog特征的维度是多少呢? 这里我们进入实践,来通过实践来理解block是如何移动的。

首先导库,使用opencv和skimage

import cv2from skimage.feature import hog

定义数据预处理过程,调整图片尺寸为256x256,并将图片进行灰度化和归一化

def preprocessing(src): gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY) # 将图像转换成灰度图 img = cv2.resize(gray, (256, 256)) # 尺寸调整g img = img/255.0 # 数据归一化 return img

提取Hog特征

img = cv2.imread("test.jpg")img_afterpro = preprocessing(img)image_features = hog(img_afterpro, orientations=9, pixels_per_cell=(8, 8), cells_per_block=(16, 16), block_norm='L2-Hys')

这里有多个参数,主要的四个参数解释和默认取值如下:

orientations:方向数pixels_per_cell:胞元大小cells_per_block:块大小block_norm:可选块归一化方法L2-Hys(L2范数)

这里图片的大小为(256,256),cell的大小选择为(8,8),block设置为(16,16),那么hog特征总的维度是多少呢?起初我的理解是多个block平铺整个图像,那么每个block大小为(8x16,8x16)=(128,128),即整幅图像有四个block,那么总维度应该是16x16x9x2x2=9216然而通过验证

image_features.shape

输出的实际维度应为665856,差得很远!

于是我想到了卷积神经网络中卷积核的滑动窗口的运动方式,假设这里block也是以滑动窗口的方式进行运动,每次运动的步长为一个cell的宽度,如下图所示: 这里的block应该是(16,16),我这里为了作图方便,仍保留为(2,2),旨在领会传达的意思。 如图所示,每个block计算完成之后,向水平/垂直方向移动一个cell的宽度,这样前一部分的cell会和下一个block再次计算。 这样block总的个数可以这样计算: 水平方向block个数=(256-128)/8 + 1 =17 垂直方向block个数=水平方向block个数=17 那么总维度=16x16x9x17x17=665856

结果证实,该思路是正确的。

Reference

[1]https://www.bilibili.com/video/BV1dz411B7Rd [2]https://blog.csdn.net/zouxy09/article/details/7929348 [3]https://blog.csdn.net/qq_37791134/article/details/81413758

本文链接地址:https://www.jiuchutong.com/zhishi/299724.html 转载请保留说明!

上一篇:学习笔记:深度学习(2)——BP神经网络

下一篇:ChatGPT探索系列之二:学习GPT模型系列的发展历程和原理(探索app下载)

  • 企业所得税法允许税前扣除的费用划分为
  • 原材料不良品的处理流程
  • 不需要缴纳税款和服役的是形势户寺观户
  • 企业清算所得税申报表清算期间
  • 无形资产减值准备
  • 超市商品打折怎么算出来
  • 商业银行固定资产贷款
  • 小企业发生销售折让的原因
  • 个人独资企业可以不开公户吗
  • 没有取得发票可以抵扣成本吗
  • 自制发票和增值税发票的区别是什么?
  • 公司的钱怎么提现
  • 兼职费用计税标准是多少
  • 税务机关核定征收契税
  • 发票抵扣后对方恶意冲红
  • 销项负数发票会计分录怎么写
  • 企业收到银行利息收入2000元会计分录
  • 一般贸易和进料加工的区别是什么
  • 受托代理资产核算
  • 借款利息资本化条件
  • 计提增值税的会计科目
  • php jsondecode
  • 企业个人借款利息怎么做账
  • 企业所得税核定征收方法有哪两种
  • mac完全安装windows
  • 应纳税额等于啥
  • vue created mounted
  • 语音识别的正确流程
  • vue知识点汇总
  • php 重写 重载
  • 餐厅如何计提固定成本
  • 融资租赁租金计算公式有残值
  • 端午节要给钱吗
  • 金税盘报送汇总在哪
  • python中如何创建字典
  • 付款后发票的扩张怎么开
  • 个人独资企业计提的各种准备金支出不得扣除
  • 进口增值税完税证明网哪里打印的
  • sql server 2008数据库没有备份文件恢复
  • 财产清查两种制度
  • 城建税退税流程
  • 金融企业有啥
  • 母公司无偿借款给子公司
  • 账本登错账怎么修改
  • 本月未抵扣完的进项税是否转出
  • 收款人是否应当承担还款责任
  • 工程施工的成本
  • 一般纳税人主表中的25是怎么来的
  • 公司员工报销车费还需要签协议吗
  • 发票开错了只能冲红票吗?
  • sql分页查询怎么实现
  • tcpdump的用法
  • window10的dns异常
  • centos7.9关机
  • win7系统任务栏跑到右侧怎么办
  • WIN764位系统8G内存识别一半解决办法
  • win8.1怎么用
  • 32位系统的电脑可以连接打印机吗
  • win8功能大全介绍
  • Linux操作系统支持虚拟内存吗
  • glColor3f影响纹理贴图 的思考
  • Extjs4 Treegrid 使用心得分享(经验篇)
  • cocos2djs
  • uiview继承哪个类
  • 前端笛卡尔积
  • bootstrap入门
  • python中matplotlib绘制曲线
  • [置顶]bilinovel
  • nodejs 内存不断增长
  • nodejs实例教程
  • js中的flat
  • js实现瀑布流效果
  • 简介生成
  • flask框架官方文档
  • java script入门
  • 珠海南湾国际属于香洲哪个街道
  • 美国非税收入排名榜
  • 2020年个体税收政策
  • 交17000办的保险是什么保险
  • 北京ca证书下载安装流程
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设