私は草の雑草の検出に取り組んでいます。私はHoG記述子から特徴を抽出し始めました。 HoG文献から研究されているように、HoGは回転不変ではない。私は草の雑草の各クラスの合計18の画像を持っており、2つのクラスがあります。私のトレーニングとテストのデータベースでは、各イメージ[5 10 15 20 ... 355]度を回転させました。HOG記述子は回転不変ですか？
トレーニングとテストはLibSVMパッケージを使用して行われます。私は約80％の精度を得ています。
私の質問は、HoGが回転不変でない場合、どうすればそのような高精度を得ることができますか？
まず最初にまず、あなたが持っている回転不変記述子D用：
D（画像）〜= D（image_5）〜= D（image_X）
X：オペレータによる回転
の角度〜 =比較された特徴間の距離が小さいことを意味する。
結果として、回転不変記述子Dの場合、画像の回転バージョンをトレーニングセットに追加する必要はありません。 D（image）〜= D（image_30）〜= D（image_X）なので、回転した画像をトレーニングセットに追加することは何とか冗長です（特徴空間では、非常に似た位置にサンプルを追加します）。
1 /データ増強（トレーニングセットに回転した画像を追加する）
2 /機械学習アルゴリズムのSVM：
代わりに、ご使用の構成では、回転に対するロバスト性はHOGではなくによって処理されていません。
特徴空間では、HOGについて：D（画像）とD（画像_X）は特徴空間の異なる位置にあり、SVMは同じクラスに「置く」ことを学びます。
回転に対するHOGの不変性を実際にテストする場合は、回転した画像をトレーニングセットに追加せずに、テストセットに保持してください。 Accuraccyは大幅に落ちるはずです。