用训练图像的可变大小hog描述符训练SVM（MATLAB）

我正在尝试使用HoG+SVM将对象分类为不同的类别。问题在于训练图像的维度不同。因此，结果HoG描述符的长度是可变的。我已将所有训练图像的特征提取到一个单元格中。单元的每个元素i是数据集中图像i的HoG描述符向量。我的问题是，如何使其与训练SVM分类器兼容（使用svmtrain函数）？

SVM不能用可变长度向量训练。您必须使用某种转换，将数据映射为恒定长度表示。例如，您可以执行众所周知的降维技术。

正如lejlot正确提到的，SVM无法使用可变长度向量进行训练

您只需将图像大小规格化为一，即256x256。有3种可能性可以做到这一点：

修剪中心周围的256x256补丁

将图像大小调整为256x256，放弃原始纵横比

将图像大小调整为256xM，其中M<256-保留原始纵横比。然后在左侧和右侧（或顶部和底部）添加灰色条纹，以将图像填充到256x256

---

所有变体都由不同的作者使用，您必须检查哪一个最适合您的任务。

除了降维之外，您对如何处理此问题有何想法？谢谢老ufo，这非常有用。我现在就试试这个。