2

目前我正在爲一個項目工作,將給定的一組測試圖像分類到5個預定義類別之一。我使用每個圖像240個特徵的特徵向量來實施Logistic迴歸,並使用100個圖像/類別對其進行訓練。每個類別的學習準確性達到〜98%,而在包含500幅圖像(100幅圖像/類別)的驗證集上進行測試時,只有約57%的圖像被正確分類。圖像分類軟件

爲了獲得更高的準確度,請給我建議一些我可以使用的庫/工具(最好基於神經網絡)。

我嘗試在Windows上使用基於Java的工具Neurophy(neuroph.sourceforge.net),但它沒有按預期運行。

編輯:已經爲項目提供了特徵向量。我也在尋找更好的圖像特徵提取工具。

+0

你很可能過度使用你的測試裝置...試着稍微放鬆一下限制或者調整它們 –

回答

0

您可以從本文Image Classification

得到幫助在我看來,SVM比logistic迴歸相對更好,當涉及到多級響應的問題。我們將它用於產品的電子商務分類,其中有1000個響應級別和數千個特徵。

0

根據你的標籤我假設你想要一個python包,scikit-learn有很好的分類例程:scikit-learn.org

0

我已經使用WEKA工具取得了很好的成功,您需要隔離您感興趣的功能集,然後應用此庫中的分類器。這些例子非常清楚。 http://weka.wikispaces.com