在HOG（Oriented Gradients直方图）http://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf的原始论文中，有一些图像显示了图像的猪的表示（图6）。在这个图中，f，g部分表示“HOG描述符”分别加权正和负SVM权重“。
我不明白这是什么意思。我知道当我训练SVM时，我得到一个Weigth向量，并且为了分类，我必须使用这些特征（HOG描述符）作为函数的输入。那么积极和消极的重量是什么意思呢？我怎么会像纸一样画出它们？ 在此先感谢。
答案 0 :(得分：0)
权重告诉您特征向量的特定元素对于给定类的重要程度。这意味着如果您在要素向量中看到较高的值，则可以查找相应的权重
现在，您可以使用这些权重来缩放渐变长度映射到颜色强度的特征向量。因为您无法显示负色强度，所以他们决定将正面和负面可视化分开。在可视化中，您现在可以看到输入图像的哪些部分对该类（正电子）有贡献，哪些不对（负）。