本篇内容:SIFT特征、HOG特征、BoVW模型
传统方法:手动设计特征
深度学习:特征学习
SIFT,即Scale-Invariant Feature Transform尺度不变特征变换
虽然同一个物体的不同图像,可能图像中远近、亮暗、大小、旋转角度都不一样,其像素也不一样,但它们的语义、特征应该是不变的。
旋转不变靠的是主方向
SIFT应用于双目视差计算、图像匹配等。
HOG,即Histogram of Oriented Gradients方向梯度直方图
主要用于行人、车辆检测。
不在提取关键点和兴趣点。直接
HOG窗口化用的,不具有尺度不变性。
BoVW Bag-of-Visual-Words视觉词袋模型
把图像看作文档,局部特征看作单词,利用BoW模型、
其他
CNN旋转不变性不如SIFT好,SIFT主方向找的对的时候旋转不变性很强,CNN不具有理论保障,只是有一定的松弛。ImageNet对于旋转不变性也较好,取决于实际问题场景,适应性不同。CNN对数据的要求比较高。
标签:HOG,特征,旋转,CNN,SIFT,不变性,特征提取,视觉 From: https://www.cnblogs.com/zhaoke271828/p/16952488.html