組合多功能提取器

我想知道，如果您對如何組合多特徵提取器以獲得更好的分類性能有任何想法。例如，在Nilsback論文"Automated flower classification over a large number of classes"中，他們組合了4個不同的特徵提取器。如果您有任何想法，我想知道該怎麼做？組合多功能提取器

P.s.我的工作是在C++/opencv

謝謝你先進。

2011-09-10 Mario

紙請張貼鏈接到您的被引論文 –

你在這裏， http://www.robots.ox.ac.uk/~vgg/publications/papers/nilsback08.pdf – Mario

你想要什麼 - 改進檢測老鼠e還是讓你的代碼工作更快？ –

一般來說，如果你有多個特徵提取器，每個特徵提取器都給你一個描述作爲一個向量，組合它們的方法就是連接向量。但是，通過這樣做，您可以釋放信息，例如，您可以使用某些特徵描述符是概率分佈的事實。

在SVM的情況下，如何利用關於描述符的進一步知識的一種方式是使用獨立內核的線性組合，其中每個內核都與您的描述符一起使用。然後你可以將內核適配到它們的描述符，以及線性組合中的權重。這種技術被稱爲「多核學習」。

這可能是有用的一些要點：

2011-09-14 16:12:14 tsh

非常感謝，我對此有紅色，我發現我必須使用你對svm多核學習的看法（一個vs其他）。我接受你的回答（但首先提出一個問題，如果我將SIFT描述符和HOG描述符結合起來，你認爲怎麼樣？） – Mario

SIFT + HOG：如果你知道自己在做什麼，它們可以很好地協同工作。在你提到的論文中有關於這種組合的一些評論，所以再讀一遍。還試圖瞭解SIFT與HOG的共同/不同方面。 – tsh

回答