HOG, SIFT 및 DENSE에 대한 다른 정확도 인식을위한 SIFT 설명자

Question

Heyy guys ,,

나는 인식을 얻은 결과에 대해 정말로 혼란스러워합니다.
내가 호그를 사용할 때 인식에 대한 정확도가 달라졌습니다 (사용하는 매개 변수에 따라 다름). 나는이 것을 이해할 수있다.

내가 훈련의 관점을 가지고 있기 때문에 그럴 수도 있습니다. 이미지와 돼지는 이것에 대한 능력이 있습니다. 따라서 최대 정확도는 40 %에 불과합니다.

그럼 SIFT를 사용합니다. 나는 더 나은 결과를 얻었다. 약 70 %입니다.
밀도가 높은 SIFT의 경우 최대 38 %입니다.
나는 왜 그런지 알지 못한다. 밀도가 높은 SIFT는 SIFT보다 더 낫습니다.

그래서 필자는 PCA를 사용하여 각 설명 자의 주요 기능을 얻으려고했습니다. 그리고 나서 이러한 주요 특징을 결합하여 인식합니다. 하지만 결과가 최악이되었습니다. 30 %입니까?

PCA HOG(150,4),PCA SIFT(150,3)=PCA COMBINATION(50,7) 

왜 이런 일이 일어 났습니까? 왜 DENSE SIFT가 최악의 결과를 가져 오는가? 왜 모든 주요 구성 요소 (HOG, SIFT 및 DENSE SIFT)를 결합 할 때 최악의 결과가 발생합니까 ??

그리고 지금은 샘플 이미지에서 모든 것을하고 있습니다. 나는 4000 이미지가 있지만 지금은 150 이미지만을 사용합니다 ..

다른 매개 변수를 시도하기 위해이 작은 크기의 샘플을 사용했으며이 최상의 매개 변수를 얻은 후에 전체 열차 이미지에서 사용합니다. 동일한 결과가 나타 납니까? (샘플의 작은 크기 이미지와 비교) ??

Answer 1

내가 훈련 이미지의 서로 다른 관점을 가지고 있기 때문에 그것의, 될 수 있으며 HOG 나던 같은 조밀 SIFT를 위해 보유하고이

을위한 기능이 있습니다. 다른 견해를 가지고 있다면, 조밀 한 방법은이 경우에 적합하지 않습니다. Hessian-Affine을 검출기로 사용하고 SIFT를 디스크립터로 사용하면 SIFT보다 더 나은 성능을 제공한다고 가정합니다.