我已經培訓了基於圖像的建築材料分類的SVM分類器。這是一個兩級分類器,現在可以區分混凝土和磚。我對這個分類器的輸入是從50 * 50圖像補丁生成的一些顏色加紋理直方圖。多個樣本的分類
現在如果我可以有多個圖像補丁,我相信他們是相同的材料(想象我隨機從混凝土牆表面採樣一些圖像補丁),我想對這些多個樣本進行分類以獲得單個結論,就像這是一堵混凝土牆。對我來說,最直接的方法是對每個候選圖像塊進行分類,然後選擇大多數結果作爲我的結論。但是還有其他更好的方法可以做到嗎?像某種加權或投票策略?謝謝。
我已經培訓了基於圖像的建築材料分類的SVM分類器。這是一個兩級分類器,現在可以區分混凝土和磚。我對這個分類器的輸入是從50 * 50圖像補丁生成的一些顏色加紋理直方圖。多個樣本的分類
現在如果我可以有多個圖像補丁,我相信他們是相同的材料(想象我隨機從混凝土牆表面採樣一些圖像補丁),我想對這些多個樣本進行分類以獲得單個結論,就像這是一堵混凝土牆。對我來說,最直接的方法是對每個候選圖像塊進行分類,然後選擇大多數結果作爲我的結論。但是還有其他更好的方法可以做到嗎?像某種加權或投票策略?謝謝。
取決於你想要回答的問題 「大部分圖像是具體的」或「圖像的20%顯然是具體的」等 – SlimJim
謝謝。我可能不清楚我的目標。我從牆壁表面提取圖像補丁,我認爲它是由一種材料製成的。所以我現在有多個候選樣本用於我的SVM分類器。我可以多次進行分類並選擇主要結果作爲我的結論。是的,這是一堵混凝土牆。但是,考慮到我有大量樣本可以給我更好的分類結果,我有更好的分類策略嗎?每個分類結果的權重?投票計劃?或者我真的把我的多個樣本混合在一起? – Iris
也許你可以使用SVM的信心。計算它被分類爲「具體」的次數,但用SVM的置信度來衡量它。這有幫助嗎? – GilLevi