如何在 hog 中可视化 svm 权重

Question

在HOG（定向梯度直方图）的原始论文中http://lear.inrialpes.fr/people/triggs/pubs/Dalal-cvpr05.pdf有一些图像，显示了图像的hog表示（图 6)。在该图中，f、g 部分表示“分别由正 SVM 权重和负 SVM 权重加权的 HOG 描述符”。

我不明白这是什么意思。据我了解，当我训练 SVM 时，我会得到一个权重向量，并且要进行分类，我必须使用特征（HOG 描述符）作为函数的输入。那么正权重和负权重是什么意思呢？我该如何像纸一样绘制它们？ 预先感谢。

Answer 1

权重告诉您特征向量的特定元素对于给定类的重要性。这意味着如果您在特征向量中看到较高的值，您可以查找相应的权重

• 如果权重是一个较高的正数，则您的物体更有可能属于该类别
• 如果您的体重是一个较高的负数，则您的物体更有可能不属于该类别
• 如果您的体重接近于零，则该位置与分类基本无关

现在，您使用这些权重来缩放您拥有的特征向量，其中渐变的长度映射到颜色强度。由于无法显示负颜色强度，因此他们决定将正负可视化分开。在可视化中，您现在可以看到输入图像的哪些部分对类别有贡献（正），哪些部分没有（负）。