Python 为什么我不'；使用scikit image hog和OpenCV hog时，是否无法获得相同的功能描述？

我将在一个目标检测项目中使用hog特征描述符和SVM分类器。scikit图像中提供的hog在分类阶段会产生非常好的结果。但是，它的运行速度非常慢（手边每个图像20秒）。另一方面，OpenCV版本非常快（每幅图像0.3秒）。问题是，尽管我对两个hog版本使用了相同的参数，但结果却各不相同。 我为每个版本使用的参数如下：

OpenCV版本：

winSize = (4,4)
blockSize = (2,2)
blockStride = (2,2)
cellSize = (2,2)
nbins = 5
hog = cv2.HOGDescriptor(winSize,blockSize,blockStride,cellSize,nbins)
hist = hog.compute(image)

hist = hog(image, orientations=5, pixels_per_cell=(2,2),cells_per_block=(2, 2), block_norm='L2-Hys')

[[ 0.        ]
[ 0.        ]
[ 0.99502486]
   ...,
[ 0.99502486]
[ 0.        ]
[ 0.        ]]

[[ 0.        ]
[ 0.        ]
[ 0.16415654]
   ...,
[ 0.14253933]
[ 0.        ]
[ 0.        ]]

scikit图像版本：

winSize = (4,4)
blockSize = (2,2)
blockStride = (2,2)
cellSize = (2,2)
nbins = 5
hog = cv2.HOGDescriptor(winSize,blockSize,blockStride,cellSize,nbins)
hist = hog.compute(image)

hist = hog(image, orientations=5, pixels_per_cell=(2,2),cells_per_block=(2, 2), block_norm='L2-Hys')

[[ 0.        ]
[ 0.        ]
[ 0.99502486]
   ...,
[ 0.99502486]
[ 0.        ]
[ 0.        ]]

[[ 0.        ]
[ 0.        ]
[ 0.16415654]
   ...,
[ 0.14253933]
[ 0.        ]
[ 0.        ]]

OpenCV产生的hog:

winSize = (4,4)
blockSize = (2,2)
blockStride = (2,2)
cellSize = (2,2)
nbins = 5
hog = cv2.HOGDescriptor(winSize,blockSize,blockStride,cellSize,nbins)
hist = hog.compute(image)

hist = hog(image, orientations=5, pixels_per_cell=(2,2),cells_per_block=(2, 2), block_norm='L2-Hys')

[[ 0.        ]
[ 0.        ]
[ 0.99502486]
   ...,
[ 0.99502486]
[ 0.        ]
[ 0.        ]]

[[ 0.        ]
[ 0.        ]
[ 0.16415654]
   ...,
[ 0.14253933]
[ 0.        ]
[ 0.        ]]

由scikit图像生成的hog:

winSize = (4,4)
blockSize = (2,2)
blockStride = (2,2)
cellSize = (2,2)
nbins = 5
hog = cv2.HOGDescriptor(winSize,blockSize,blockStride,cellSize,nbins)
hist = hog.compute(image)

hist = hog(image, orientations=5, pixels_per_cell=(2,2),cells_per_block=(2, 2), block_norm='L2-Hys')

[[ 0.        ]
[ 0.        ]
[ 0.99502486]
   ...,
[ 0.99502486]
[ 0.        ]
[ 0.        ]]

[[ 0.        ]
[ 0.        ]
[ 0.16415654]
   ...,
[ 0.14253933]
[ 0.        ]
[ 0.        ]]

值得注意的是，两个描述符生成的特征数量是相同的

---

OpenCV hog产生的结果与scikit image的结果不一样，这有什么问题

scikit图像中猪皮纸的实现与opencv不同。上一次浏览源代码时，我注意到，除其他事项外，scikit image执行的标准化并不是本文推荐的标准化

---

我建议使用opencv提供的一个，因为它可以让您更改几个参数，并且更接近HOG paper的实现。此外，正如您自己发现的，opencv实现经过优化，速度更快

为什么这些值应该是相同的，为什么这是OpenCV的问题？谢谢你的回复。正如我所说的，scikit image hog可以获得理想的结果，但OpenCV却不能。我想知道的是，当参数和hog的概念相同时，为什么结果不相等。