SVM分類器和測試圖像

我在訓練集中有5個類，每個類有100個訓練圖像。我在測試文件夾中創建了5個類。現在，每個測試圖像都將與培訓課程進行比較，並且基於它接近其中一個培訓課程，將爲相應的測試課程貼上標籤。我想知道如果我在SVM分類器中做了正確的步驟嗎？SVM分類器和測試圖像

來源

2017-02-20 wannabegeek

更精確。我不明白這個問題。也許你在問如何用SVMs進行多類學習，但也許不是。如果是這樣，請查看OneVsRest和OneVsOne在多類學習中的術語。 – sascha

從opencv的SVM示例開始，用您的數據替換它們的數據。看看你的結果是什麼，並從那裏繼續（http://docs.opencv.org/2.4/doc/tutorials/ml/non_linear_svms/non_linear_svms.html） –

所以基本上你有以下結構：

火車

|-- class1 
| |-- 1.pgm 
| |-- ... 
| |-- 100.pgm 
|-- class2 
| |-- 1.pgm 
| |-- ... 
| |-- 100.pgm 
... 
|-- class5 
| |-- 1.pgm 
| |-- ... 
| |-- 100.pgm

測試

|-- class1 
| |-- 1.pgm 
| |-- ... 
| |-- n.pgm 

|-- class5 
| |-- 1.pgm 
| |-- ... 
| |-- n.pgm

下一步是從火車圖像中提取的描述符。使用提取的特徵，您可以生成（訓練）分類模型。最後，您使用相同的編碼方法從測試圖像中提取特徵，然後使用訓練好的模型進行預測。

來源

2017-02-21 22:11:15

謝謝你Liviu Stefan。那麼我是否需要首先將所有測試數據手動分類到不同的類中，例如訓練數據集中？並且每個測試班級的圖像數量是否相同，並且該數字可能與培訓班的圖像數量不同？那麼SVM分類器的作用是什麼？ – wannabegeek

不，您不必將所有測試數據手動歸入不同的類別。測試類也可以有任意數量的圖像。您可以使用SVM根據列車圖像訓練分類模型，您將使用該模型對測試圖像進行預測。 –

我正在總結我的工作。請給出意見。我有5個課，標籤有「聊天」，「自行車」，「夜晚」，「吃飯」，「辦公室」。每個班級有100個圖像。我有一個文件夾「test_data」，有100個隨機圖像。我有一個vocab.mat，train_features（train_bag_of_sift.mat）和test_features（test_bag_of_sift.mat）。訓練數據由svmtrain函數訓練。「分數= [分數;（W'* test_image_feats'+ B）]」給出分數和相應的索引類別（索引（max_score））是預測分類。爲了找到準確度，將與地面真值進行比較。 – wannabegeek

SVM分類器和測試圖像

回答

相關問題