2014-02-16 45 views

回答

0

如果使用SIFT描述符,則會得到1 x 64的描述符矩陣,並且類似地,如果使用SURF描述符,則將獲得描述符矩陣1 x 128。因此,對於每張圖片,您將獲得尺寸爲1 x 641 x 128的矩陣。然後你使用這個單行矩陣作爲SVM訓練的輸入向量。

+0

ooohh yap !!讓我看看!那麼,如果我有5個圖像,我將有5個1x28的矩陣,然後我有5個SVM訓練的輸入向量? – Johana

+0

是的..如果它對你有幫助,請提高答案! – skm

+0

我會做的!還有一個問題!!向我解釋關於SVM中的實驗!!我重新說實驗是類的!在我的情況下它是對象,不是!但是我讀了我可以爲每個向量元素!我很困惑!請解釋我,我給你一個投票在另一個anwser! – Johana

0

您可以使用尺度不變的SIFT。在我的一個應用程序中,我使用了SIFT/SURF以及SVM,我必須對這些對象進行分類,並且得到了非常好的結果。使用SIFT,尺寸和方向的變化不會有任何問題。

+0

你說SIFT/SURF你能解釋一下我的情況有什麼不同? – Johana

+0

你可以使用或者檢查你的情況下的性能....整個代碼將保持不變...你只需要用SURF代替SIFT,反之亦然。 – skm

+0

Greaat !!我有另一個問題!!你能解釋我嗎?「藉助SIFT,規模和方向的變化不會有任何問題。」?你在說什麼!!! – Johana

相關問題