結合使用LIBSVM和HOG描述符

Question

我想在MatLab中使用LIBSVM和HOG生成訓練數據。

我已經為一張3780 x 1（雙）短片段的圖像計算了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

我假設是training_instance_matrix：

svmtrain(training_label_vector, training_instance_matrix [, 'libsvm_options']);

如何對向量中的元素進行分類以生成

training_label_vector

？

Answer 1

摘要：

SVM是一種二進制監督方法。 因此，它將數據集分為兩組。 對於訓練，您需要提供成對的數據，即（觀察值，標簽），以便為模型參數賦予價值。 基本上，您的* training_label_vector *可以是一個二進制向量，用於說明每個樣本屬於哪個組。

如果要將每張圖片歸類為是否包含人物：人物或非人物。 您有N = 100個樣本，每個樣本都有M = 3780個特征。 最后，特征矩陣的尺寸為NxM = 100x3780，而標簽矢量的尺寸為Nx1 = 100x1。 標簽向量在與人一起拍攝的圖片中具有1，否則為0（此配置實際上是任意的）。