袋子与HOG描述符的词

Question

我不太确定如何实施＆＃34; Bag of Words＆＃34;使用HOG描述符的方法。 我查了几个来源，通常会提供几个步骤：

1. 计算有效训练图像集的HOG。
2. 应用聚类算法从描述符中检索n个质心。
3. 执行一些魔术来创建具有计算HOG的最近质心的频率的直方图，或使用OpenCV实现来执行此操作。
4. 使用直方图
训练线性SVM

涉及魔法（3）的步骤并不是很清楚。如果我不使用OpenCV，我该如何实现呢？

HOG是按细胞计算的载体。所以我为每个细胞都有一个载体。我可以遍历矢量并计算矢量的每个元素的最近质心，并相应地创建直方图。这是一个正确的方法吗？但如果是这样的话，我仍然有不同大小的矢量，也没有从中受益。

Answer 1

可以表达主要步骤;

1-从整个训练集中提取功能。 （HOG功能为您的目标）

2-将这些特征聚类成词汇表V;你得到K个不同的聚类中心。（K-Means，K-Medoid。你的超参数将是K）

3-将每个训练图像编码为每个词汇元素在图像中显示的次数的直方图。然后每个图像由长度为K的矢量表示。

例如; K的第一个元素可能出现5次，K的第二个元素可能在图像中出现10次。最后你会得到一个有K个元素的向量。

K [0] = 5 k [1] = 10 .... .... K [n] = 3

4-使用此向量训练分类器。 （线性SVM）

给定测试图像时，提取特征。现在将测试图像表示为来自V的每个聚类中心最接近测试图像中的特征的次数的直方图。这又是一个长度K向量。