HOG 特征的原理与应用
答案要点
- 核心思想:用局部梯度方向直方图描述形状和边缘
- 流程:Gamma/灰度校正 → 计算梯度 → cell 内方向直方图(常用 9 bin)→ block 归一化 → 拼接
- block 重叠并做归一化,提升对光照和对比度变化的鲁棒性
- 经典应用:HOG + 线性 SVM + 滑动窗口做行人检测
- 优点是对光照和小形变鲁棒;缺点是对旋转敏感、计算量和维度较大
易错点
- 漏掉 block 归一化这一步,或说成对整幅图做一次归一化
- 以为 HOG 天然具备旋转不变性
- 把 cell 和 block 的概念混淆
面试官常见追问
- 为什么要做 block 归一化?
- HOG 和 SIFT 有什么区别?
- 梯度方向为什么常用 0 到 180 度?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。