HOG + 线性 SVM
时间: 2023-09-12 16:07:23 浏览: 40
HOG代表方向梯度直方图(Histogram of Oriented Gradients),而SVM代表支持向量机(Support Vector Machine)。HOG算法是一种用于目标检测的特征提取算法,它计算图像中每个像素点的梯度方向和强度,并通过构建梯度直方图来描述图像的局部结构特征。
线性SVM是一种支持向量机的分类算法,它使用线性超平面对数据进行二分类。在HOG算法中,线性SVM用于对提取的HOG特征进行分类,将目标与背景进行区分。与非线性SVM相比,线性SVM计算量较小,但对于复杂的曲线边界可能表现不佳。所以在HOG算法中,一般使用线性SVM进行训练和分类。
总结来说,HOG线性SVM是指在HOG算法中使用线性支持向量机进行特征提取和分类的方法。它可以用于行人检测等目标检测任务,具有较好的性能和计算效率。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [行人检测HOG+SVM:综述、INRIADATA数据集、线性SVM](https://blog.csdn.net/haronchou/article/details/105426733)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]