Histograms of Sparse Codes for Object Detection

        最近在看Histograms of Sparse Codes for Object Detection这篇文章，作者先是对风靡一时，大行其道的hog特征进行了一番狂轰乱炸，说hog特征仅是对图像梯度的充分利用，但是图像内容不仅仅是梯度，还有其他一些文理，边缘，等特性为hog所忽略。hog特征的4种归一化，9个方向，明显的人有意为之的特性，不直观且无吸引力。更重要的是hog特征范化比较困难.（are difficult to generalize or expand to novel domains (such as depth images or the time-domain),）。

     They are gradient-based and lack the ability to directly represent richer (and larger)patterns。There are multiple ad-hoc designs,such as 4-way normalization and 9 orientations,  that are non-intuitive and unappealing。

     正所谓先破后立，没有比人家强的东西拿出来一味的贬损他人，非君子所为。作者使用K-SVD字典学习法得到图像的稀疏表达，然后将得到的稀疏矩阵模仿hog的方法做成直方图。将得到的一种新的特征称之为HSC，这使得HSC继承了hog的优点，弥补了hog的缺点。

     利用HSC特征替代hog进行分类器训练，目标检测识别。实验部分用了root-only 和DPM方法来进行，二者结果比hog特征有明显改善，但速度有所减缓。