Spatial Pyramid的BOW和Pyramid HOG的多核

经过我的实验，发现在基于模板法的object detection或者classification中，将Pyramid Histogram of Oriented Gradients (PHOG)和Spatial Pyramid Matching还有其他特征，如果你喜欢用的话，进行多核学习，效果其实很好。我在Bangpeng Yao的乐器数据集上做的实验，和他的论文“Grouplet: A Structured Image Representation for Recognizing Human and Object Interactions”进行了对比，结果要好，虽然好的不是很多，但是总能好个5%左右，关键的一个问题是，Yao的基于Apriori特征挖掘算法复杂度实在是太高太高太高了，很恐怖的，不信你跑跑看看吧。

下面这里介绍一下Pyramid Histogram of Oriented Gradients (PHOG)，HOG大家都知道了，其实就是一个模板，每个CELL用方向信息来统计，我其实很久也用过边界方向直方图，只是感觉模板法太狭隘，就没有把边界方向直方图在CELL上求解然后连接成为一个一维向量，其实可以每个CELL看做一个patch，就可以用其他方法来做也行。之所以加入Pyramid，其实将模板方法更加严格的定义下来，这样，复合模板的就会检测的更准确，但是稍微有点旋转什么的就不行了，马上被错误检测，其实加入bias应该能解决问题。源码地址是有名的VGG里的PHOG。下面看个图：

Spatial Pyramid Matching就不用多讲了，也是将bag of words变换，先求解每一个金字塔小块的，然后连接起来成为一个长的。严格限制了模板的信息，也就是所谓的空间信息，其实这种空间信息是存在图像都是正着存储的假设，例如人都是正着的，不是躺着。代码lazebnik也提供了，但是他的代码不太适合大数据量，因为都是网内存中放的，我稍微改了改，放在这里了：PG_BOW_DEMO: Matlab code for computing the bag of visual words at different levels of spatial pyramid of images.

有兴趣的可以下载使用。

这两种特征描述子提取之后，分别求直方图交核函数，这个核函数确实好用点：

这难道就是越来越发现L1 norm比L2 norm好的一个不是很典型的例子？也不知道对不对。L2就是欧式距离吧，L1就是绝对值距离（曼哈顿距离）。

两个核融合的时候选个参数alpa。行了，是不是结果好多了呢？