Question

Heyy伙计们，

我对我获得认可的结果感到很困惑当我使用HOG时，我得到了不同的识别准确度（基于他使用的参数）。我能理解这件事。

可能是，这是因为我有不同的训练观点，而且HOG没有这方面的能力。所以我得到的最高准确率只有40％。

然后我使用SIFT。我得到了更好的结果。大约70％而对于Dense SIFT，我的最大值只有38％我不知道，为什么会发生这种情况。因为Dense SIFT应该比SIFT更好。

所以，为此，我试图使用PCA从每个描述符中获取主要特征。然后我将这些主要特征结合起来进行识别。但我的结果更糟糕。它只有30％。

    PCA HOG(150,4),PCA SIFT(150,3)=PCA COMBINATION(50,7)

为什么会这样？为什么DENSE SIFT会产生最差的结果？为什么当我结合所有主要组件（来自HOG，SIFT和DENSE SIFT）时，我得到了更糟糕的结果？

现在，我只是在样本图片中做所有事情。我有4000张图片，但就目前而言，我只使用了150张图片..

我使用这个小尺寸的样本来尝试不同的参数，在我得到这个最佳参数后，我将在整个火车图像中使用它。它是否会给出相同的结果（与样本的小尺寸图像相比）??

Answer 1

可能是，因为我有不同的培训观点，而且HOG没有能力实现这个目标

同样适用于密集的SIFT。如果您有不同的视点，则密集方法不适合这种情况。尝试使用Hessian-Affine作为检测器，使用SIFT作为描述符，我假设您将获得比SIFT更好的性能。