Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

506

5

章 機械学習

In[1]: %matplotlib inline

import matplotlib.pyplot as plt

import seaborn as sns; sns.set()

import numpy as np

5.14.1

 

HOG

特徴量

HOG

（

Histogram of Gradients

）は画像内で歩行者を特定するために開発された、単純な特徴量抽

出手順です。

HOG

は次のステップで構成されています。

1.

必要に応じて画像をあらかじめ正規化する。これにより照明の変化に依存しない特徴量が抽

出可能となる。

2.

水平および垂直方向の輝度勾配に敏感な

2

つのフィルタで画像を畳み込む。これによりエッ

ジ、輪郭、テクスチャの情報をキャプチャする。

3.

画像を所定のサイズのセルに細分し、各セル内の勾配方向のヒストグラムを計算する。

4.

隣接するセルのブロックと比較する

ことによって、各セルのヒストグラムを正規化する。こ

れにより、画像全体にわたる照明の影響がさらに抑制される。

5.

各セルの情報から

1

次元の特徴ベクトルを構築する。

scikit-image

プロジェクトの提供する高速

HOG

抽出器を使って、各セル内の勾配を比較的簡単に

可視化できます（図 5-149）。

In[2]: from skimage import data, color, feature

import skimage.data

image = color.rgb2gray(data.chelsea())