HOG LÀ GÌ

HOG là viết tắt của Histogram of Oriented Gradient - một các loại “feature descriptor”. Mục đích của “featura descriptor” là trừu tượng hóa đối tượng người dùng bằng phương pháp trích xuất ra phần đa đặc thù của đối tượng người dùng đó cùng loại bỏ đi phần đa biết tin ko hữu dụng. Vì vậy, HOG được thực hiện đa số nhằm biểu đạt những thiết kế và sự xuất hiện của một đối tượng người dùng vào ảnh.

Bạn đang xem: Hog là gì

*

Bản hóa học của cách thức HOG là sử dụng thông tin về việc phân bổ của các cường độ gradient (intensity gradient) hoặc của hướng biên (edge directins) nhằm trình bày những đối tượng người sử dụng toàn bộ vào hình ảnh. Các toán thù tử HOG được thiết đặt bằng phương pháp phân tách nhỏ một tấm hình thành những vùng con, được Call là “tế bào” (cells) với với từng cell, ta và tính toán một histogram về những hướng của gradients cho các điểm bên trong cell. Ghép những histogram lại cùng nhau ta sẽ có được một biểu diễn đến tấm hình ban sơ. Để tăng cường hiệu năng thừa nhận dạng, các histogram cục bộ hoàn toàn có thể được chuẩn chỉnh hóa về độ tương phản nghịch bằng phương pháp tính một ngưỡng cường độ trong một vùng lớn hơn cell, Hotline là các kăn năn (blocks) cùng sử dụng cực hiếm ngưỡng kia nhằm chuẩn hóa toàn bộ những cell trong khối. Kết trái sau bước chuẩn chỉnh hóa sẽ là một trong những vector đặc trưng bao gồm tính bất biến cao hơn đối với các biến đổi về điều kiện ánh sáng.

Có 5 bước cơ bạn dạng để xây đắp một vector HOG mang đến hình ảnh, bao gồm:

Tiền xử lýTính gradientTính vector đặc thù mang đến từng ô (cells)Chuẩn hóa khối hận (blocks)Tính toán vector HOG

1. Tiền xử lý

Trong bài xích toán này, nhằm dễ dãi mang lại vấn đề chia phần đa hình hình ảnh thành các kân hận, ô cùng tính tân oán đặc trưng nghỉ ngơi các bước tiếp theo sau, bọn họ nên resize form size toàn bộ những hình ảnh vào tập tài liệu về một kích thước tầm thường.

*

Trong các ví dụ được trình bày trong bài viết này, size chung cho một hình hình ảnh sẽ khoác định là 64x128

2. Tính Gradient

Đây là bước thứ nhất, được triển khai bằng nhì phxay nhân chập ảnh gốc cùng với 2 chiều, tương xứng với các toán tử rước đạo hàm theo nhị phía Ox với Oy. Trong đó, 2 hướng tương xứng đó là:

*

T là phnghiền toán thù chuyển vị ma trận.

Nghe dường như khó đọc rò rỉ, coi hình hình ảnh dưới đây để có cái nhìn trực quan rộng nhé.

*

Và nếu như khách hàng gồm một hình họa input là I, ta sẽ sở hữu 2 ảnh đạo hàm riêng biệt theo 2 phía đó, theo công thức:

*

khi kia, chúng ta có thể tính được Gradient bao hàm nhì thành phần cường độ(Gradient Magnitude) cùng hướng(Gradient Derection) theo cách làm (*):

*

Ví dụ: Giả sử ta gồm một điểm hình ảnh như sau

*

Chúng ta sẽ áp dụng những bí quyết trên để tính được gradient của điểm hình ảnh này:

*

Đối cùng với hình hình ảnh màu, gradient của ba kênh(red, green và blue) được Đánh Giá. Độ béo của gradient trên một điểm hình ảnh là quý hiếm lớn số 1 của độ mạnh gradient của bố kênh, cùng góc là góc khớp ứng với gradient về tối nhiều.

Xem thêm: Top 12 Phần Mềm Ghép Nhạc Vào Video Tốt Nhất 2021, Download Ghép Ảnh Thành Video

Sau công đoạn này, hiệu quả thu được vẫn là:

*

3. Tính vector đặc trưng cho từng ô (cells)

Để tính toán vector đặc trưng mang đến từng ô (cell), bọn họ đề nghị phân tách hình hình họa thành các blochồng, từng bloông chồng lại chia đa số thành các cell. Để khẳng định được số block, họ vẫn sử dụng bí quyết sau:

*

Các block rất có thể xếp ông xã lên nhau nhỏng hình:

*

Sau lúc khẳng định số block cùng size mỗi bloông xã, cell, nhằm tính toán thù vector đặc thù đến từng cell, chúng ta cần:Chia không khí hướng thành p bin(số chiều vector đặc thù của ô).Rời rốc hóa góc hướng nghiêng tại mỗi điểm ảnh vào trong số bin.

Giả sử góc hướng nghiêng tại pixel ở trong phần (x,y) gồm độ bự là alpha(x,y)

Trường hòa hợp rời rộc rạc hóa unsigned-HOG cùng với p=9:

*

Trường hợp tránh rộc rạc hóa signed-HOG cùng với p=18:

*

Giá trị bin được định lượng bởi vì tổng cường độ biến chuyển thiên của những pixels trực thuộc về bin kia.Sau khi tính toán thù đặc thù ô, ta đang nối các vector đặc thù ô để thu được vector đặc thù kăn năn. Số chiều vector đặc thù khối tính theo công thức :

*

Ví dụ: Trong ngôi trường phù hợp này, hình ảnh của họ tất cả size là 64x128, ta đang phân tách mỗi hình ảnh thành các bloông chồng tất cả kích thước 16x16. Mỗi bloông xã đã bao hàm 4 cell, mỗi cell bao gồm kích thước là 8x8.

*

Tiếp theo, triển khai tính toán thù đặc thù HOG trên mỗi cell sử dụng không gian hướng 9 bin, ngôi trường phù hợp “unsigned-HOG”. Hướng gradient đang chạy trong khoảng 0 độ cho 180 độ, vừa phải 20 độ mỗi bin.

Tại từng cell, kiến thiết một biểu đồ dùng độ mạnh gradient bằng phương pháp vote những pixel vào biểu đồ. Trọng số vote của từng pixel dựa vào hướng với độ mạnh gradient (được xem toán từ bước 2) của px kia. Ví dụ:

*

*

Như vào hình hình ảnh bên trên, trước tiên là pixel bao gồm bao quanh blue color lam. Nó được đặt theo hướng 80 độ và cường độ là 2, vị vậy ta thêm 2 vào bin thiết bị 5 (hướng 80 độ). Tiếp theo là pixel tất cả phủ bọc red color. Nó có hướng 10 độ và độ mạnh 4. Vì không tồn tại bin 10 độ, buộc phải ta vote mang lại bin 0 độ cùng trăng tròn độ, từng bin thêm 2 đơn vị.Sau khi vote không còn những pixel vào một cell kích cỡ 8x8 vào 9 bin, ta hoàn toàn có thể thu được hiệu quả nlỗi sau:

*

4. Chuẩn hóa khối hận (blocks)

Để bức tốc tính năng nhấn dạng, những histogram toàn bộ sẽ tiến hành chuẩn chỉnh hóa về độ tương làm phản bằng phương pháp tính một ngưỡng cường độ vào một khối và sử dụng quý giá kia nhằm chuẩn chỉnh hóa toàn bộ các ô vào khối hận. Kết quả sau bước chuẩn hóa đang là 1 trong vector đặc thù bao gồm tính không thay đổi cao hơn nữa đối với những đổi khác về ĐK ánh sáng.

Đầu tiên, hãy xem xét ảnh hưởng của việc chuẩn hóa cho tới các vector gradient vào ví dụ sau:

*

Trong hình hình họa bên trên, ngôi trường vừa lòng đầu tiên là một trong ô của hình ảnh ban sơ. Trường vừa lòng vật dụng hai, toàn bộ những cực hiếm px đã làm được tăng lên 50. Trong trường thích hợp đồ vật bố, tất cả các quý giá px được nhân với cùng một.5.Dễ dàng thấy được, trường vừa lòng thiết bị tía hiển thị độ tương bội nghịch gia tăng. Hình ảnh hưởng trọn của phnghiền nhân là có tác dụng các điểm hình ảnh sáng trsống buộc phải sáng sủa hơn các, trong những lúc các điểm hình ảnh về tối chỉ sáng sủa hơn một chút, cho nên vì thế có tác dụng tăng cường độ tương bội phản thân các phần sáng với về tối của hình hình ảnh.

Hãy chú ý vào những quý giá pixel thực tế cùng sự thay đổi của vector gradient của ba ngôi trường hợp bên trên trong hình hình ảnh sau:

*

Các số lượng trong số ô là quý giá pixel của các điểm ảnh kề bên điểm hình ảnh được ghi lại red color.Delta F là đạo hàm theo riêng biệt hai vị trí hướng của điểm hình ảnh ()| Delta F| là cực hiếm cường độ điểm ảnh (Gradient Magnitude), tính theo phương pháp (*)

Trong ngôi trường phù hợp một cùng hai, quý hiếm cường độ vector gradient của bọn chúng tương tự nhau, nhưng vào trường hợp thứ bố, độ mạnh vector gradient đang tạo thêm 1.5 lần. Nếu chia bố vector bởi độ Khủng tương xứng, ta đã cảm nhận những tác dụng tương đương cho cả cha trưởng phù hợp. Vì vậy, vào ví dụ trên, họ thấy rằng bằng phương pháp chia những vector gradient theo độ to của chúng, chúng ta có thể biến bọn chúng thành không bao giờ thay đổi để đổi khác độ trương phản nghịch.

Có nhiều phương pháp có thể được dùng làm chuẩn chỉnh hóa kăn năn. Call v là vector đề nghị chuẩn chỉnh hóa chứa tất cả những histogram của mội khối hận.‖v(k)‖ là cực hiếm chuẩn chỉnh hóa của v theo các chuẩn chỉnh k=1, 3 cùng e là một trong hằng số nhỏ. lúc đó, các quý hiếm chuẩn hóa rất có thể tính bởi một Một trong những bí quyết sau:

*

Ghép những vector đặc trưng khối vẫn nhận được vector đặc trưng R-HOG cho hình họa. Số chiều vector đặc trưng hình họa tính theo bí quyết :

*

5. Tính toán thù vector đặc thù HOG

*

Với từng hình ảnh size 64x128, phân thành những block 16x16 chồng nhau, sẽ sở hữu 7 blochồng ngang với 15 bloông chồng dọc, phải sẽ sở hữu 7x15 = 105 blocks.Mỗi bloông xã tất cả 4 cell. lúc vận dụng biểu thứ 9-bin cho mỗi cell, từng blochồng sẽ tiến hành thay mặt đại diện vị một vector có kích thước 36x1.Vì vậy, khi nối tất cả những vector vào một bloông xã lại với nhau, ta sẽ thu được vector đặc trưng HOG của hình ảnh bao gồm kích thước 105x36x1 = 3780x1.Link tài liệu tham khảo:

Histogram of Oriented Gradients