HoG vs Haar-like feature ベンチマーク - コンピュータビジョンの日々

OpenCVのサンプルとしても公開され、すっかり有名になった Haar-like特徴量と AdaBoost分類器を用いた顔認識手法だが、現在最先端の画像処理研究では、HoGという特徴量が注目されている。 HoGは、"Histogram of oriented Gradient"の略で、直訳すると、「方向づけられた勾配のヒストグラム」ということになる。つまり、入力画像の勾配（微分画像）を求め、それを局所領域ごとに勾配方向で区間分割してヒストグラムを取ったものを特徴量としようとする手法である。 これは2005年にNavneet DalalとBill Triggsによって提唱された新しい手法で、Haar-likeよりも分別能力が高そうだということで、盛んに研究されている。 私も今、HoGを使った物体認識処理を試作しているところであるが、データ空間として線形分離しやすいらしく、SVM(サポートベク

[Francis]

HoG vs Haar-likeか。めもめも。

[suikyo]

『検出率はHoGが良く（高く）、false positive量はHaar-likeの方が良い（少ない）模様(table2)。』『「HoGは、特徴量を増やすと false positive 率は安定のまま検出率が向上する。他方、Haar-likeでは、false positive率が減少した」』

[ma_ko]

HoG vs Haar-like feature/"Histgram of oriented Gradient"