Question

如何正确训练一个 SVM + HOG 行人检测器

若以下回答无法解决问题，邀请你更新回答

Answer 1

步骤
1. 训练数据集及其它准备工作
训练检测器的正例（Positive examples）数据库最好采用“全图+标注”的形式，不要是那种切出来的行人小图片，这有助于后续的 bootstrap 操作（当然，在 Daimler 这样的数据库上似乎无法做到），初始的负例（Negative examples）采用一组不包含行人的场景图片。其实负例的选择并不重要，因为在 bootstrap 环节，真正影响性能的，靠近分类超平面的数据点会被自动找到。
大多数靠谱的数据库都有自带的标注读取工具库，或者遵循某种标注格式（例如 PASCAL），你也可以使用进一步封装的标注读取工具，例如 Dollar 的toolbox。
为了计算 HOG 特征，你可以采用 VLFeat 的 HOG 计算函数，这个 HOG 是我见过的检测性能最好的之一（比 OpenCV 的 HOG 好很多，性能提高超过 5%）。