Python 用于可变大小图像的固定长度HOG描述符
我正在编写一些对象检测代码,但是我的对象没有固定的大小,所以Python 用于可变大小图像的固定长度HOG描述符,python,image-processing,numpy,feature-detection,scikit-image,Python,Image Processing,Numpy,Feature Detection,Scikit Image,我正在编写一些对象检测代码,但是我的对象没有固定的大小,所以 skimage.feature.hog(obj) 没有给我相等长度的向量(因为它使用固定大小的单元格),因此我不能对它们使用学习算法 因此,我尝试动态分配特征长度: from __future__ import division def describe_object(obj, div=8): width, height = obj.shape f = skimage.feature.hog(obj, normal
skimage.feature.hog(obj)
没有给我相等长度的向量(因为它使用固定大小的单元格),因此我不能对它们使用学习算法
因此,我尝试动态分配特征长度:
from __future__ import division
def describe_object(obj, div=8):
width, height = obj.shape
f = skimage.feature.hog(obj, normalise=True,
pixels_per_cell=(height//div, width//div))
return f
但是,现在它主要给出2916
大小的向量,但有时也会给出更长的向量(比如3402
元素长)
我相信当箱子大小和物体形状之间有特定的比例时会发生这种情况,但我不知道确切的原因
你能帮我吗?你可以在计算猪特征之前将图像缩放到固定大小。你可以在计算猪特征之前将图像缩放到固定大小。你可以在计算猪特征之前将图像缩放到固定大小。你可以将图像缩放到固定大小,在计算HOG特征之前。如果缩放图像,将丢失图像纵横比和其他特征。所以缩放不是一个好主意。你找到解决办法了吗?如果你缩放图像,你会丢失图像的纵横比和其他特征。所以缩放不是一个好主意。你找到解决办法了吗?如果你缩放图像,你会丢失图像的纵横比和其他特征。所以缩放不是一个好主意。你找到解决办法了吗?如果你缩放图像,你会丢失图像的纵横比和其他特征。所以缩放不是一个好主意。你找到解决方案了吗?