SVMなしのHOG特徴ベクトルを比較する

Question

私は比較的コンピュータ初心者です。現在は、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固定された関心領域（ROI）を持つ形状検出に関する学習プロジェクトを行っています。 2つの入力画像に存在するオブジェクトが同じかどうかを判断するために形状を比較しなければなりません。わずかな並進とスケールの変更と照明の変化があります。

私は2つの入力画像の間のオブジェクトの形状を比較し、それらの類似性を説明する出力値を提供しようとしています。類似度が特定の閾値を上回っている場合、私は同じオブジェクトが両方の入力画像に存在することを知ることができます。

私は輪郭を試しましたが、信頼性の高い結果は得られません（しきい値があまりにも多くの重要な情報を失うか、いくつかの重要な情報が失われます）。私は、HOGのようなグローバルな形状記述子を使うことを考えています。

しかし、私はHOGディスクリプタからの特徴ベクトル値の理解に問題があります。 2つの入力画像に対するHOG特徴ベクトル（1D）を比較して、SVMまたは機械学習を使用せずに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の距離測定の仕組みがわかりません。特徴ベクトルとヒストグラムを比較するために距離を使用する方法の物理的な意味を理解したいと思いますか？どのようにそれらを使用してHOG特徴ベクトルを比較するか？

Answer 1

申し訳ありませんが、ご質問は実際には分かりません。 あなたは間違った方向に向いていると思います。

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つの画像表現されたベクトルの距離だけである。あなたはあなたのイメージを表現するベクトルとしてHOG機能を使用します。それで、それらの間のユークリッド距離を計算してください。その価値は類似点です。

matlab pdist methodを見ると、使いやすい距離計算方法のリストを見つけることができます。

ここにある問題は、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。より良いイメージは、より良いパフォーマンスにつながります。例えば、Bag-of-word、CNNなど。 Bag-of-wordで始まるような初心者のために、彼らのトンがあります。

コンピュータビジョンの世界への援助と歓迎希望