TheoryThe essential thought behind

Theory

The essential thought behind the histogram of oriented gradients descriptor is that local object appearance and shape within an image can be described by the distribution of intensity gradients or edge directions. The image is divided into small connected regions called cells, and for the pixels within each cell, a histogram of gradient directions is compiled. The descriptor is then the concatenation of these histograms. For improved accuracy, the local histograms can be contrast-normalized by calculating a measure of the intensity across a larger region of the image, called a block, and then using this value to normalize all cells within the block. This normalization results in better invariance to changes in illumination and shadowing.

The HOG descriptor has a few key advantages over other descriptors. Since it operates on local cells, it is invariant to geometric and photometric transformations, except for object orientation. Such changes would only appear in larger spatial regions. Moreover, as Dalal and Triggs discovered, coarse spatial sampling, fine orientation sampling, and strong local photometric normalization permits the individual body movement of pedestrians to be ignored so long as they maintain a roughly upright position. The HOG descriptor is thus particularly suited for human detection in images

ผลลัพธ์ (ไทย) 2:

ทฤษฎีความคิดที่สำคัญที่อยู่เบื้องหลังของกราฟอธิบายการไล่ระดับสีที่มุ่งเน้นคือการปรากฏตัวของวัตถุในท้องถิ่นและรูปร่างที่อยู่ในภาพที่สามารถอธิบายได้ด้วยการกระจายตัวของการไล่ระดับสีเข้มหรือทิศทางขอบ ภาพจะถูกแบ่งออกเป็นภูมิภาคที่เชื่อมต่อขนาดเล็กที่เรียกว่าเซลล์และพิกเซลภายในเซลล์แต่ละกราฟทิศทางการไล่ระดับสีจะรวบรวม บ่งแล้วกำหนดการ histograms เหล่านี้ เพื่อความถูกต้องที่ดีขึ้น, histograms ท้องถิ่นสามารถเป็นความคมชัดปกติโดยการคำนวณตัวชี้วัดของความเข้มทั่วทั้งภูมิภาคที่มีขนาดใหญ่ของภาพที่เรียกว่าบล็อกแล้วใช้ค่านี้จะปรับเซลล์ทั้งหมดในบล็อก นี้ส่งผลในการฟื้นฟูไม่แปรเปลี่ยนดีกว่าที่จะเปลี่ยนแปลงในการส่องสว่างและเงา. บ่ง HOG มีข้อได้เปรียบที่สำคัญบางกว่าอธิบายอื่น ๆ เพราะมันทำงานบนเซลล์ท้องถิ่นมันเป็นค่าคงที่ในการแปลงทางเรขาคณิตและแสงยกเว้นสำหรับการวางวัตถุ การเปลี่ยนแปลงดังกล่าวจะปรากฏในภูมิภาคที่มีขนาดใหญ่เชิงพื้นที่ นอกจากนี้ยังเป็น Dalal และ Triggs ค้นพบการสุ่มตัวอย่างเชิงพื้นที่หยาบการสุ่มตัวอย่างการวางแนวทางที่ดีและการฟื้นฟูแสงท้องถิ่นเข้มแข็งช่วยให้การเคลื่อนไหวร่างกายของแต่ละบุคคลของคนเดินเท้าที่จะละเลยตราบเท่าที่พวกเขารักษาตำแหน่งตรงประมาณ บ่ง HOG จึงเหมาะอย่างยิ่งสำหรับการตรวจสอบของมนุษย์ในภาพ

ผลลัพธ์ (ไทย) 3:

ทฤษฎี

สรุปคิดว่าหลังมุ่งเน้นที่ความถี่ของการไล่ระดับสีหัวเรื่องท้องถิ่นวัตถุลักษณะและรูปร่างภายใน ภาพ สามารถอธิบายได้ด้วยการไล่ระดับสีความเข้ม หรือเส้นทางที่ขอบ ภาพแบ่งเป็นขนาดเล็กที่เชื่อมต่อภูมิภาค เรียกว่า เซลล์ และ พิกเซล ในแต่ละเซลล์ มีความถี่ของเส้นทางลาดถูกคอมไพล์มีหัวเรื่องคือ แล้วเรียงต่อกันปีเหล่านี้ เพื่อปรับปรุงความถูกต้อง ฮิสโตแกรมท้องถิ่นสามารถคมชัดปกติโดยอาศัยการวัดความเข้มข้ามภูมิภาคขนาดใหญ่ของภาพที่เรียกว่าบล็อกและใช้ค่านี้เพื่อให้เซลล์ทั้งหมดภายในบล็อก บรรทัดฐานนี้ผลในการเปลี่ยนแปลงเชิงโครงสร้างดีกว่าในแสงสว่างและเงา

หมูหัวเรื่องมีไม่กี่คีย์ได้เปรียบกว่าในอื่น ๆ เนื่องจากมันทำงานบนเซลล์ท้องถิ่น มันเป็นค่าคงที่เพื่อการแปลงเรขาคณิต และทางแสง นอกจากการวางวัตถุ การเปลี่ยนแปลงดังกล่าวจะปรากฏเฉพาะในขอบเขตพื้นที่ขนาดใหญ่ นอกจากนี้ ตาม Dalal triggs ค้นพบและหยาบปริภูมิตัวอย่าง การสุ่มตัวอย่าง การปรับและแข็งแรงแสงปกติอนุญาตให้ท้องถิ่นแต่ละกายเคลื่อนไหวของคนเดินเท้าที่จะถูกละเว้นตราบเท่าที่พวกเขารักษาตำแหน่งคร่าวๆตรง หมูหัวเรื่อง จึงเหมาะอย่างยิ่งสำหรับมนุษย์ในการค้นพบภาพ