支持向量機一對一訓練

Question

我正在使用Opencv svm進行圖像分類。我的分類問題是對汽車，書籍等物體進行分類。一旦我確定了模型，我將測試圖像添加到訓練集中，然後使用1 vs所有訓練方法訓練系統。

但是這是一個非常計算成本昂貴的情況，因爲我必須在添加基於組的分類幀後對系統進行訓練。後來我改變它加入5幀後訓練，比10幀，但它似乎太昂貴的計算interms。

我遇到了一種方法，我不知道它是如何工作，這是一對一培訓。在實施1對1訓練方面，我需要一些幫助，以便我不訓練整個不同班級的訓練集，而只是測試圖像所屬的訓練集。

我的困惑是：我如何將培訓信息分開後進行組合？

也許我錯誤地對待了這個概念，因爲我是SVM的新手，所以在這種情況下只是幫助我。

Answer 1

如果我正確地理解了你，你成功地訓練了SVM在類對上。現在你想知道如何結合這些SVM的答案來得到最終決定。

通常使用最大投票策略。

如果您有一個經過訓練可以區分A類和B類的SVM（取決於輸出），它會對A類或B類投一票。您對所有已接受培訓的SVM進行投票。然後獲得最多選票的班級勝出。