SVM 训练 C++ OpenCV
SVM training C++ OpenCV
我的印象是 training data 用于训练 SVM 由图像特征组成，但是在再次 reading this post 之后，training_mat 被赋予示例中的 SVM 只是将 img_mat 扁平化为一维。
所以我的问题是，在训练 SVM 时，您是逐行完整地给出整个图像，还是 detect 和 extract 特征，然后将其中的 Mat 展平为 1-Dimension?
您可以提取特征，也可以使用像素强度值作为特征。在这个例子中，他们做了后者。在这种情况下，您最终会得到非常多的功能，其中许多功能可能没有用。这使得 SVM 训练的收敛更加困难，但仍然是可能的。根据我的个人经验，如果您提取较少数量的 "good" 最能描述您的数据的特征，SVM 的效果会更好。然而，近年来，已经表明，最先进的估计器，如深度神经网络（当使用而不是 SVM 时）可以在仅使用像素强度值作为特征时表现得非常好。这消除了在 public 数据集（如 ImageNet）
上产生最先进结果的方法中对特征提取的需要
我的印象是 training data 用于训练 SVM 由图像特征组成，但是在再次 reading this post 之后，training_mat 被赋予示例中的 SVM 只是将 img_mat 扁平化为一维。
所以我的问题是，在训练 SVM 时，您是逐行完整地给出整个图像，还是 detect 和 extract 特征，然后将其中的 Mat 展平为 1-Dimension?
您可以提取特征，也可以使用像素强度值作为特征。在这个例子中，他们做了后者。在这种情况下，您最终会得到非常多的功能，其中许多功能可能没有用。这使得 SVM 训练的收敛更加困难，但仍然是可能的。根据我的个人经验，如果您提取较少数量的 "good" 最能描述您的数据的特征，SVM 的效果会更好。然而，近年来，已经表明，最先进的估计器，如深度神经网络（当使用而不是 SVM 时）可以在仅使用像素强度值作为特征时表现得非常好。这消除了在 public 数据集（如 ImageNet）
上产生最先进结果的方法中对特征提取的需要