7

私はコンピュータ ビジョンの比較的初心者であり、現在、オブジェクトが存在する可能性が最も高いすべての画像に関心領域 (ROI) が固定されている形状検出に関する学習プロジェクトを行っており、それらの形状を比較して、 2 つの入力画像に存在するオブジェクトは同じかどうかです。わずかな平行移動とスケールの変更、および照明の変更があります。

2 つの入力画像間でオブジェクトの形状を比較し、それらの類似性を表す出力値を提供しようとしています。類似度が一定のしきい値を超えていれば、両方の入力画像に同じオブジェクトが存在していると判断できます。

輪郭を試してみましたが、信頼できる結果が得られず (しきい値を設定すると詳細が多すぎるか、重要な詳細が失われます)、すべての画像にうまく一般化されません。HOG のようなグローバル形状記述子を使用することを考えています。

しかし、HOG 記述子からの特徴ベクトル値を理解するのに問題があります。SVMや機械学習を使用せずに、2つの入力画像のHOG特徴ベクトル(1D)を比較して類似性を見つける方法は? HOG 特徴ベクトルを比較する最良の方法は何ですか?

将来のベクトルを比較するために距離測定がどのように機能するかわかりません。距離を使用して特徴ベクトルとヒストグラムを比較する方法の物理的な意味を理解したいですか? それらを使用して HOG 特徴ベクトルを比較するにはどうすればよいですか?

4

1 に答える 1

5

申し訳ありませんが、あなたの質問は実際には理解しにくいです。間違った方向に進んでいると思います。

How to compare HOG feature vectors(1D) for the two input images to find similarity without using SVM or machine learning?

SVM はベクトルを辞書と比較して正しい答えを見つけるためのツールです。類似性については、2 つの画像で表されるベクトルの距離です。考えすぎないでください、それはあなたを殺します

あなたの場合、 HOG 機能を画像表現のベクトルとして使用します。そのため、それらの間のユークリッド距離を計算します。その値は類似性があります。

使いやすい距離計算方法のリストを見つけるためのmatlab pdist メソッドを見ることができます。

ここに横たわる問題は、特徴ベクトルを比較する方法ではなく、単一のベクトルで画像を表現する方法です。より良い画像表現は、より良いパフォーマンスにつながります。例: Bag-of-word、CNN など。Bag-of-word から始めるような初心者向けに、たくさんあります。

コンピュータビジョンの世界へようこそ

于 2017-12-20T00:30:46.600 に答える