0

在 HOG (Histogram of Oriented Gradients) http://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf的原始论文中，有一些图像，显示了图像的 hog 表示（图 6） .在该图中，f、g 部分表示“分别由正 SVM 权重和负 SVM 权重加权的 HOG 描述符”。

我不明白这是什么意思。我知道当我训练一个支持向量机时，我得到一个权重向量，并且为了分类，我必须使用特征（HOG 描述符）作为函数的输入。那么他们所说的正负重是什么意思呢？我将如何像纸一样绘制它们？提前致谢。

4

1 回答 1

0

权重告诉您特征向量的特定元素对于给定类的重要性。这意味着如果您在特征向量中看到较高的值，您可以查找相应的权重

  • 如果权重是一个高正数，则您的对象更有可能属于该类
  • 如果您的体重是一个高负数，则您的对象更有可能不属于该类
  • 如果您的体重接近于零，则此位置与分类无关

现在您使用这些权重来缩放您拥有的特征向量，其中渐变的长度映射到颜色强度。因为你不能显示负颜色强度，所以他们决定将正负可视化分开。在可视化中，您现在可以看到输入图像的哪些部分对类有贡献（正），哪些没有（负）。

于 2014-03-03T17:37:02.423 回答