[英]Using LIBSVM with HOG Descriptors
我想在MatLab中使用LIBSVM和HOG生成训练数据。
我已经为一张3780 x 1(双)短片段的图像计算了HOG描述符:
0
0
0.0181
0.7746
0
0
0
0
0.4692
0.5279
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0.4692
0.5279
0.0016
0.0018
0.2826
0.2535
0
0
0.2728
0.0451
0
0
0.1788
0.0209
0
0
0.0501
0.0059
0
0
0.1320
0.0137
我假设是training_instance_matrix:
svmtrain(training_label_vector, training_instance_matrix [, 'libsvm_options']);
如何对向量中的元素进行分类以生成
training_label_vector
?
摘要:
SVM是一种二进制监督方法。 因此,它将数据集分为两组。 对于训练,您需要提供成对的数据,即(观察值,标签),以便为模型参数赋予价值。 基本上,您的* training_label_vector *可以是一个二进制向量,用于说明每个样本属于哪个组。
如果要将每张图片归类为是否包含人物:人物或非人物。 您有N = 100个样本,每个样本都有M = 3780个特征。 最后,特征矩阵的尺寸为NxM = 100x3780,而标签矢量的尺寸为Nx1 = 100x1。 标签向量在与人一起拍摄的图片中具有1,否则为0(此配置实际上是任意的)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.