image-processing - HOG 描述符是旋转不变的吗？

Question

我正在从事杂草检测工作。我已经开始从 HoG 描述符中提取特征。正如从 HoG 文献中研究的那样，HoG 不是旋转不变的。我总共有 18 张草类杂草的图像，有两类。在我的训练和测试数据库中，我将每个图像旋转 [5 10 15 20 ... 355] 度。

训练和测试是使用 LibSVM 包完成的。我得到了大约 80% 的准确率。

我的问题是，如果 HoG 不是旋转不变的，那么我如何才能获得如此高的精度？

Answer 1

首先，对于一个旋转不变的描述符 D，你有:
D(图像) ~= D(图像_5) ~= D(图像_X)
X : 旋转角度

运算符 ~= 表示比较的特征之间的距离很小。

因此，对于旋转不变的描述符 D，您不必将图像的旋转版本添加到训练集中。因为 D(image) ~= D(image_30) ~= D(image_X)，将旋转后的图像添加到训练集中在某种程度上是多余的(在特征空间中，你在非常相似的位置添加样本)。

相反，在您的配置中，旋转的鲁棒性不是由 HOG 处理的，而是由:
1/数据增强(将旋转图像添加到训练集中)
2/机器学习算法 SVM。
在特征空间中，对于 HOG :D(image) 和 D(image_X) 位于特征空间中的不同位置，SVM 学习将它们“放在”同一类中。

如果真的要测试HOG对旋转的不变性，不要将旋转后的图像加入训练集中，而是将它们保留在测试集中。准确度应该急剧下降。