我对HOG特征向量的大小理解有困难…
场景: 我使用了一张286×286的图像。然后我对每个8×8的图像块计算了HOG。平均来说，我得到了8x8x2=128个数字，这些数字由每个图像块的9个bin的直方图表示。所以我可以说这个9个bin的直方图是一个9维向量吗？之后，为了估计整张图像的HOG，总共需要计算大约1225个图像块（因为我有一个方阵，我通过平方计算总图像块数(286/8)=35））。我迭代了1225个图像块，并为每个图像块计算了9个bin的直方图。（我没有应用16×16块归一化）之后，将所有向量连接在一起，我得到了整张图像的HOG大小为1225×9=11,025。
问题:
1.那么，我可以说我在给定图像中获得了11,025维的HOG向量吗？
2.我走的方向对吗？（如果我选择通过神经网络进行分类）
3.这个连接的HOG特征可以直接输入到PCA进行降维吗？还是需要进一步的前处理？（一般来说，不是高级处理）
提前感谢！
回答：
- 是的
- 可能不是。你想做什么？例如，如果你在做分类，你应该使用词袋（实际上，你应该停止使用HOG，转而尝试深度学习）。如果你在做图像检索/匹配，你应该为局部图像块计算HOG特征。
- 你几乎总是可以对你的特征使用PCA进行降维，即使是128维的SIFT特征也是如此。
