如何在OpenCV和C++中爲CvSVM配置圖像分類

Question

我正在開發一個使用OpenCV LibSVM的手寫字符識別系統。我已經提取了包括Hu矩，仿射不變矩，拐角數等特徵向量的14個特徵。對於每個字符，我使用5個樣本（對於字母「A」，有5個類型的A）。我知道5個樣本是不夠的，但是在我每個角色只有5個樣本的時候。

我在opencv文檔中使用基本的LINEAR SVM示例。我的問題是，我可以使用該文檔示例，因爲我的目的。我已閱讀了使用多類SVM的OCR系統。我的應用程序是否需要這種多級SVM？我不明白這一點。請有人解釋一下嗎？這是我的代碼。

我有180個數字和英文大寫字母樣本，一個樣本有14個特徵。

float labels[180][1] = {1.0, 2.0, 3.0, 4.0, 5.0, ,,,,, -> 180.0}; 
Mat matlabesls(180,1, CV_32FC1, labels); 

Mat mattrainingDataMat(180, 14, CV_32FC1, ifarr_readtrainingdata); 
CvSVMParams params; 

params.svm_type = CvSVM::C_SVC; 
params.kernel_type = CvSVM::LINEAR; 
params.term_crit = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6); 

CvSVM SVM; 
SVM.train(mattrainingDataMat,matlabesls,Mat(),Mat(),params); 

Mat matinput(1,14,CV_32FC1,ifarr_testarray); 
is_recognizedcharacter= SVM.predict(matinput); 

return is_recognizedcharacter; 

Answer 1

標籤的設置不正確。您已定義了180個獨特標籤，但您只有26個類別的數據。在lengeth中標籤應該是180，但它應該只包含值1..26（任何26個不同的值將會這樣做），其順序與mattrainingDataMat中的字符順序一致。

您將需要更喜歡每個字母5000個樣本，而不僅僅是5個。您可以從MNIST手寫數字數據集開始，直到您有適當的數據。

你的代碼似乎在訓練svm來識別1個字符。你不應該那樣做，因爲它可能需要花費很長的時間來訓練svm。您應該單獨訓練svm並保存模型，以便可以重複使用，而無需每次都重新訓練。

我的理解是，OpenCV中的svm代碼是基於版本的Libsvm的版本。所以我直接使用libsvm的最新版本而不是OpenCV版本。另外，對於你的情況，你幾乎肯定會得到比線性內核更好的RBF內核精度（儘管線性更容易訓練）。看起來你有26個類，所以當然你需要一個多類SVM（這實際上只是許多二進制SVM） - Libsvm爲你處理多類問題。