我想用一些图像来训练我的分类器，其中一些图像具有不同的尺寸。
它们都属于以下几个方面：
但是，对于9个方向分档和每个单元8个像素，每个分区都会产生648个HoG特征。
我实际上选择了所有图像都是这些尺寸中的一种，这样它们最终会具有相同数量的HoG特征，因此训练是均匀的。
我选择这个的原因是因为训练图像中感兴趣的对象有时会有不同的宽高比，因此对于那些留下过多背景的图像来裁剪所有图像的大小相同。
现在我的问题是 - 只要HoG功能的数量是一致的，训练图像的宽高比/图像尺寸是多少都重要？ （我的训练算法仅采用HoG功能）。
答案 0 :(得分：4)
如果您的HOG功能全部使用8x8单元格，那么如何为不同尺寸的图像获得相同尺寸的矢量？你不会在更大的图像中有更多的细胞吗？
通常，如果要使用HOG，则应将所有图像的大小调整为相同大小。
另一个问题：您是否只想对已经裁剪过的图像进行分类，还是想要检测大型场景中的对象？如果您只想分类，那么宽高比的变化可能是个问题。另一方面，如果要进行滑动窗口对象检测，则纵横比的变化是一个更大的问题。您可能必须根据纵横比将类别划分为子类，并为每个类别训练单独的检测器。
修改 很抱歉，但是通过使用舍入误差和宽高比的差异来使HOG矢量长度相同是作弊。 :)重点是让HOG单元格编码空间信息。相应的单元必须在不同的图像中编码相同的点。否则你要比较苹果和橘子。
就物体检测而言，宽高比至关重要。您将在图像上滑动窗口，并且该窗口最好具有与您尝试检测的对象相同的纵横比。否则，它根本不会起作用。因此，如果您有这4种不同的宽高比，最好的办法就是训练4种不同的探测器。