Особенности HOG для обнаружения объектов с использованием графического процессора в OpenCV

В моем проекте я рассчитываю функции HOG на GPU для разных уровней на одном изображении. Моя цель — обнаружить следующие объекты.
1. Грузовик
2. Автомобиль
3. Человек
Наиболее важный вопрос выбор размера окна в случае детектора объектов мультикласса. это post предоставляет очень хорошую базу, но она не дает ответа для выбора размера окна в случае использования мультикласса.
Чтобы решить эту проблему, я рассчитал характеристики HOG каждого положительного изображения на разных уровнях / разрешении, сохранив размер окна (48 * 96) одинаковым, но размер файла для каждого изображения составляет около 600 МБ, что слишком велико.
Пожалуйста, дайте мне знать, как выбрать размер окна, размер блока и размер ячейки в случае обнаружения мультиклассовых объектов. Вот мой код, который я использовал для расчета функций HOG.

void App::run()
{
unsigned int count = 1;
FileStorage fs;
running = true;

//int width;
//int height;

Size win_size(args.win_width, args.win_width * 2);
Size win_stride(args.win_stride_width, args.win_stride_height);

cv::gpu::HOGDescriptor gpu_hog(win_size, Size(16, 16), Size(8, 8), Size(8, 8), 9,
cv::gpu::HOGDescriptor::DEFAULT_WIN_SIGMA, 0.2, gamma_corr,
cv::gpu::HOGDescriptor::DEFAULT_NLEVELS);

VideoCapture vc("/home/ubuntu/Desktop/getdescriptor/images/image%d.jpg");
Mat frame;
Mat Left;
Mat img_aux, img, img_to_show, img_new;
cv::Mat temp;
gpu::GpuMat gpu_img, descriptors, new_img;

char cbuff[20];while (running)
{

vc.read(frame);if (!frame.empty())
{
workBegin();

width  = frame.rows;
height = frame.cols;

sprintf (cbuff, "%04d", count);

// Change format of the image
if (make_gray) cvtColor(frame, img_aux, CV_BGR2GRAY);
else if (use_gpu) cvtColor(frame, img_aux, CV_BGR2BGRA);
else Left.copyTo(img_aux);

// Resize image
if (args.resize_src) resize(img_aux, img, Size(args.width, args.height));
else img = img_aux;
img_to_show = img;

gpu_hog.nlevels = nlevels;

hogWorkBegin();
if (use_gpu)
{
gpu_img.upload(img);
new_img.upload(img_new);

fs.open(cbuff, FileStorage::WRITE);for(int levels = 0; levels < nlevels; levels++)
{
gpu_hog.getDescriptors(gpu_img, win_stride, descriptors, cv::gpu::HOGDescriptor::DESCR_FORMAT_ROW_BY_ROW);
descriptors.download(temp);

//printf("size %d %d\n", temp.rows, temp.cols);

fs <<"level" << levels;
fs << "features" << temp;

cout<<"("<<width<<","<<height<<")"<<endl;

width =  round(width/scale);
height = round(height/scale);

if( width < win_size.width || height < win_size.height )
break;

cout<<"Levels "<<levels<<endl;

resize(img,img_new,Size(width,height));
scale *= scale;
}

cout<<count<< " Image feature calculated !"<<endl;
count++;
//width = 640; height = 480;
scale = 1.05;

}

hogWorkEnd();
fs.release();
}
else  running = false;
}
}