每次得到積極的結果，而從SVM

預測我用衝浪訓練SVM和弓，現在wher我預測的圖像，它總是返回我1，甚至當我去的負面形象還給我1作爲輸出每次得到積極的結果，而從SVM

下面是SVM參數：

CvSVMParams Params; 
Params.svm_type=CvSVM::C_SVC; 
Params.kernel_type=CvSVM::LINEAR; 
Params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6); 
Params.gamma=3; 
CvSVM svm; 
svm.train(training_mat,labels,cv::Mat(),cv::Mat(),Params);

，這裏是我的預測碼：

predict_img = cvLoadImage("ss.jpg",0); 
detector.detect(predict_img, keypoint2); 
RetainBestKeypoints(keypoint2, 20); 
dextract.compute(predict_img, keypoint2, descriptors_2); 
Mat my_img_3 = descriptors_2.reshape(1,1); 
float response = svm.predict(my_img_3); 
cout<<response;

這裏是intializatio：

BOWImgDescriptorExtractor dextract(extractor,matcher); 
SurfFeatureDetector detector(500);

來源

2013-08-29 Rocket

您應該檢查是否設置足夠大C（我沒有看到它在你的代碼，以便它應設置爲1000，根據opencv documentation）值來強制一個合理的模型，你應該嘗試許多值，對於許多實際的問題必須使用10^10的量級C。由於太小，SVM將僅僅尋找具有小規範的超平面，而沒有真正關注正確的分類。它可以通過opencv實現中的Cvalue參數訪問。

Params.gamma=3;

即使它不會導致一個錯誤 - 你不需要設置gamma價值，因爲它不是線性內核中使用，則需要只的RBF內核。

您還應該確保您正在訓練類似數量的正面和負面樣本（或使用某種類別加權技術），因爲它也可能會導致「微不足道」的模型。

來源

2013-08-29 20:02:23 lejlot

是我使用的正面和負面形象同樣數額，但我通過不同的目錄，不同的目錄正面形象以及爲負的不同培養他們，我不明白你對'C' – Rocket

概念SVM模型最重要的參數之一是'C'，即錯誤分類的「懲罰」數量。它應該在模型params中設置：'Cvalue - 一個SVM優化問題的參數C（C_SVC/EPS_SVR/NU_SVR）。「http://docs.opencv.org/modules/ml/doc/support_vector_machines.html，by默認情況下它設置爲'C = 1000'，它可能是行數量級的小 – lejlot

@lijlot你問這個：'CvParamGrid CvSVM = get_default_grid（CvSVM :: C）;'但它給我錯誤get_default_grid（CvSVM：：C）'沒有定義 – Rocket

除了已經提供的答案之外，您將不得不在未來就如何提高SVM分類性能提出另一個問題，即正確設置模型參數。

爲了實現這一目標，您還應該研究CvParamGrid提供的網格搜索。

最佳

來源

2013-08-30 13:26:03

我應該在我預測的時候訓練數據嗎？或者是否有像這樣的功能 – Rocket

在預測之前，需要在學習步驟中完成參數搜索。 –

+1，爲什麼我們使用獲取矢量支持？在svm – Rocket

每次得到積極的結果，而從SVM

回答

相關問題