Почему гистограмма направленных градиентов настолько эффективна

В этом видео мы строим дескриптор «Гистограмма ориентированных градиентов» (HOG) на основе фундаментальных принципов для одного фрагмента изображения пешехода. Мы пошагово выполняем все вычисления вручную — от векторов градиента на уровне пикселей и свертывания ориентации до пространственных гистограмм голосования и нормализации перекрывающихся блоков — точно показывая, почему каждое преобразование необходимо для достижения инвариантности к освещению, одежде и небольшим смещениям. Наконец, мы рассматриваем, как эти векторы признаков классифицируются с помощью линейных машин опорных векторов, и связываем лежащую в их основе интуицию с биологическим зрением и современными сверточными нейронными сетями. Социальные сети: ====== BuyMeACoffee: https://buymeacoffee.com/thesynthetic... TikTok:   / the.synthetic.mind   Instagram:   / the.synthetic.mind   X: https://x.com/yyz_arash Разделы: ======== 0:00 Проблема обнаружения пешеходов 1:31 Измерение градиентов пикселей 3:23 Почему прямые шаблоны не работают 5:32 Извлечение цветовых градиентов 7:06 Ориентация краев при складывании 8:53 Построение гистограмм клеток 11:03 Пространственная интерполяция между клетками 12:42 Нормализация перекрывающихся блоков 17:13 Классификация форм с помощью SVM 20:25 Биологические связи и Сверточные нейронные сети (CNN) #ГистограммаОриентированныхГрадиентов #КомпьютерноеЗрение #ОбработкаИзображений #МашинноеОбучение