Histogram of oriented gradients là gì

HOG là viết tắt của Histogram of Oriented Gradient - một nhiều loại “feature descriptor”. Mục đích của “featura descriptor” là trừu tượng hóa đối tượng bằng phương pháp trích xuất ra rất nhiều đặc trưng của đối tượng người tiêu dùng kia cùng loại bỏ những đọc tin ko có lợi. Vì vậy, HOG được sử dụng đa số nhằm mô tả ngoài mặt cùng sự xuất hiện của một đối tượng người tiêu dùng vào hình họa.

You watching: Histogram of oriented gradients là gì


*

Bản chất của cách thức HOG là sử dụng biết tin về việc phân bổ của những độ mạnh gradient (intensity gradient) hoặc của hướng biên (edge directins) để trình bày những đối tượng người dùng toàn thể trong hình ảnh. Các toán thù tử HOG được cài đặt bằng cách chia nhỏ một tấm hình thành những vùng bé, được hotline là “tế bào” (cells) với cùng với từng cell, ta và tính toán một histogram về các vị trí hướng của gradients cho những điểm nằm trong cell. Ghép các histogram lại với nhau ta sẽ sở hữu được một màn biểu diễn cho tấm hình thuở đầu. Để bức tốc tính năng nhận dạng, những histogram tổng thể rất có thể được chuẩn hóa về độ tương bội nghịch bằng cách tính một ngưỡng độ mạnh trong một vùng to hơn cell, điện thoại tư vấn là các kân hận (blocks) cùng sử dụng cực hiếm ngưỡng kia để chuẩn chỉnh hóa toàn bộ các cell vào kân hận. Kết quả sau bước chuẩn chỉnh hóa đang là 1 vector đặc trưng gồm tính không bao giờ thay đổi cao hơn nữa so với những biến hóa về điều kiện ánh sáng.

Có 5 bước cơ bản nhằm tạo một vector HOG đến hình ảnh, bao gồm:

Tiền xử lýTính gradientTính vector đặc trưng cho từng ô (cells)Chuẩn hóa kân hận (blocks)Tính tân oán vector HOG

1. Tiền xử lý

Trong bài xích toán thù này, nhằm dễ dãi đến câu hỏi phân tách rất nhiều hình hình ảnh thành những kăn năn, ô và tính toán thù đặc trưng làm việc các bước tiếp sau, họ nên rekích thước size toàn bộ những hình ảnh trong tập tài liệu về một form size bình thường.


*

Trong những ví dụ được trình diễn vào nội dung bài viết này, kích cỡ chung cho 1 hình ảnh vẫn mặc định là 64x128

2. Tính Gradient

Đây là bước đầu tiên, được triển khai bằng hai phnghiền nhân chập ảnh cội cùng với 2 chiều, tương xứng cùng với những tân oán tử mang đạo hàm theo nhị hướng Ox với Oy. Trong đó, 2 phía khớp ứng đó là:


*

T là phxay toán đưa vị ma trận.

Nghe dường như nặng nề gọi nhỉ, xem hình ảnh tiếp sau đây để sở hữu ánh nhìn trực quan rộng nhé.


Lúc đó, chúng ta có thể tính được Gradient bao hàm hai nhân tố cường độ(Gradient Magnitude) với hướng(Gradient Derection) theo cách làm (*):


Đối với hình hình họa màu sắc, gradient của ba kênh(red, green với blue) được Đánh Giá. Độ bự của gradient tại một điểm ảnh là quý giá lớn số 1 của độ mạnh gradient của cha kênh, cùng góc là góc tương ứng cùng với gradient về tối nhiều.

See more: Rebecca Ferguson: Bóng Hồng Gợi Cảm Của Dòng Phim Hành Động, Rebecca Ferguson

Sau bước này, kết quả chiếm được đã là:


3. Tính vector đặc thù đến từng ô (cells)

Để tính toán vector đặc trưng mang lại từng ô (cell), họ phải phân chia hình hình ảnh thành các bloông chồng, mỗi blochồng lại phân chia rất nhiều thành các cell. Để xác minh được số blochồng, bọn họ đã sử dụng phương pháp sau:


Sau lúc khẳng định số block cùng size mỗi block, cell, nhằm tính toán vector đặc thù đến từng cell, bọn họ cần:Chia không khí hướng thành p bin(số chiều vector đặc trưng của ô).Rời rạc hóa góc hướng nghiêng tại từng điểm ảnh vào trong những bin.

Giả sử góc hướng nghiêng trên px tại phần (x,y) gồm độ lớn là alpha(x,y)

Trường phù hợp tránh rạc hóa unsigned-HOG cùng với p=9:


Giá trị bin được định lượng bởi tổng cường độ biến hóa thiên của những pixels nằm trong về bin đó.Sau Lúc tính tân oán đặc thù ô, ta vẫn nối những vector đặc trưng ô để chiếm được vector đặc thù kân hận. Số chiều vector đặc trưng kăn năn tính theo cách làm :


Ví dụ: Trong trường hòa hợp này, hình ảnh của chúng ta tất cả size là 64x128, ta đang chia từng hình hình họa thành các block gồm size 16x16. Mỗi blochồng đã bao gồm 4 cell, mỗi cell tất cả form size là 8x8.


Tiếp theo, triển khai tính tân oán đặc trưng HOG trên mỗi cell thực hiện không gian phía 9 bin, trường vừa lòng “unsigned-HOG”. Hướng gradient đã chạy trong khoảng 0 độ đến 180 độ, vừa phải trăng tròn độ từng bin.

Tại từng cell, xây dựng một biểu đồ dùng độ mạnh gradient bằng cách vote các pixel vào biểu đồ dùng. Trọng số vote của mỗi pixel dựa vào hướng với độ mạnh gradient (được xem toán từ bỏ bước 2) của pixel đó. Ví dụ:


Như vào hình hình ảnh bên trên, đầu tiên là pixel bao gồm bảo phủ màu xanh lá cây lam. Nó được bố trí theo hướng 80 độ và độ mạnh là 2, vì vậy ta thêm 2 vào bin vật dụng 5 (hướng 80 độ). Tiếp theo là pixel bao gồm bảo phủ red color. Nó được đặt theo hướng 10 độ và cường độ 4. Vì không tồn tại bin 10 độ, bắt buộc ta vote cho bin 0 độ và 20 độ, từng bin thêm 2 đơn vị chức năng.Sau lúc vote không còn những px vào một cell size 8x8 vào 9 bin, ta có thể nhận được kết quả như sau:


4. Chuẩn hóa kân hận (blocks)

Để bức tốc tính năng nhấn dạng, các histogram toàn bộ sẽ được chuẩn hóa về độ tương bội nghịch bằng cách tính một ngưỡng độ mạnh vào một kăn năn và thực hiện quý hiếm kia để chuẩn chỉnh hóa toàn bộ những ô trong khối hận. Kết quả sau bước chuẩn hóa vẫn là một vector đặc thù gồm tính không thay đổi cao hơn nữa so với những thay đổi về ĐK ánh nắng.

Thứ nhất, hãy chu đáo tác động của Việc chuẩn hóa tới các vector gradient vào ví dụ sau:


Trong hình ảnh bên trên, ngôi trường vừa lòng trước tiên là 1 trong ô của hình hình họa lúc đầu. Trường vừa lòng thứ hai, toàn bộ những cực hiếm px đã có tạo thêm 50. Trong trường đúng theo đồ vật bố, toàn bộ các giá trị px được nhân với một.5.Dễ dàng thấy được, trường thích hợp trang bị bố hiển thị độ tương phản nghịch gia tăng. Ảnh tận hưởng của phép nhân là có tác dụng những điểm ảnh sáng sủa trngơi nghỉ bắt buộc sáng rộng các, trong những lúc các điểm hình họa tối chỉ sáng sủa hơn một chút, cho nên có tác dụng tăng độ tương phản nghịch thân các phần sáng và buổi tối của hình hình ảnh.

See more: Cần Làm Gì Khi Bị Lẹo Mắt Vỡ Mủ, Những Câu Hỏi Thường Gặp Về Chắp

Hãy nhìn vào những cực hiếm pixel thực tiễn cùng sự đổi khác của vector gradient của cha ngôi trường vừa lòng trên trong hình ảnh sau:


Các số lượng trong số ô là giá trị px của các điểm hình ảnh ở bên cạnh điểm hình ảnh được khắc ghi màu đỏ.Delta F là đạo hàm theo riêng hai hướng của điểm ảnh ()| Delta F| là cực hiếm độ mạnh điểm ảnh (Gradient Magnitude), tính theo cách làm (*)

Trong ngôi trường thích hợp một cùng nhì, quý giá cường độ vector gradient của chúng tương tự nhau, tuy nhiên vào trường hợp trang bị bố, độ mạnh vector gradient đang tăng thêm 1.5 lần. Nếu phân tách tía vector bởi độ lớn tương ứng, ta sẽ nhận ra các tác dụng tương đương cho tất cả bố trưởng phù hợp. Vì vậy, trong ví dụ bên trên, chúng ta thấy rằng bằng phương pháp phân chia những vector gradient theo độ lớn của bọn chúng, bạn có thể biến chúng thành không thay đổi để thay đổi độ trương bội nghịch.

Có nhiều phương pháp hoàn toàn có thể được dùng để làm chuẩn hóa khối hận. Call v là vector đề xuất chuẩn hóa đựng toàn bộ các histogram của mội khối hận.‖v(k)‖ là giá trị chuẩn hóa của v theo các chuẩn k=1, 3 với e là một trong những hằng số nhỏ. Lúc đó, những quý giá chuẩn hóa rất có thể tính bởi một Một trong những phương pháp sau:


Ghxay những vector đặc trưng kăn năn đang thu được vector đặc thù R-HOG mang đến hình ảnh. Số chiều vector đặc thù hình họa tính theo bí quyết :


Với mỗi hình ảnh kích cỡ 64x128, phân thành các bloông chồng 16x16 chồng nhau, sẽ có 7 bloông chồng ngang với 15 block dọc, nên sẽ có 7x15 = 105 blocks.Mỗi bloông chồng tất cả 4 cell. Lúc vận dụng biểu đồ vật 9-bin cho từng cell, mỗi bloông xã sẽ tiến hành thay mặt do một vector tất cả kích cỡ 36x1.Vì vậy, Khi nối tất cả các vector vào một bloông chồng lại với nhau, ta vẫn chiếm được vector đặc trưng HOG của hình ảnh tất cả size 105x36x1 = 3780x1.Link tư liệu tmê mẩn khảo:

Histogram of Oriented Gradients


Chuyên mục: Chia sẻ