Opencv 如何在hog中可视化svm权重

在HOG（方向梯度直方图）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SVM时，我得到一个权重向量，为了分类，我必须使用特征（HOG描述符）作为函数的输入。那么他们所说的积极和消极的体重是什么意思呢？我该如何像纸一样画它们呢？

---

提前感谢。

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，如果在特征向量中看到较高的值，则可以查找相应的权重

• 如果权重是一个高正数，那么您的对象更有可能属于该类
• 如果你的体重是一个很高的负数，那么你的物体很可能不属于这个类别
• 如果你的体重接近于零，这个位置与分类基本无关

---

现在，您可以使用这些权重缩放渐变长度映射到颜色强度的特征向量。因为不能显示负颜色强度，所以他们决定将正视图和负视图分开。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），哪些没有贡献（负）。

我认为此页面可以帮助您：