在MatLab中使用LIBSVM進行多類圖像分類

Question

我在MatLab中使用LIBSVM來嘗試對圖像進行分類。

我知道SVM是一個二進制分類模型，但是我想知道如何將它用作多類分類模型。

是否可以訓練成對的數據（即汽車和非汽車，馬和非馬，人和非人），然后通過將圖像與所有三個模型進行比較來預測圖像所屬的類別？ 如果是這樣，我怎么能實現這個目標？ 我的測試標簽矢量是什么？

Answer 1

是的，你的建議是一個很好的方法。 它被稱為一對一戰略 。

您需要為每個班級訓練單獨的SVM。 如果在該類中，則輸出數據將是等於1的二進制變量，否則為0。 然后，為了對新項目進行分類，請在每個SVM中運行它，並選擇輸出最高的項目（輸出最接近1）。

Answer 2

作為@ Dan的補充答案，以下是我之前帖子中的相關代碼：

model = cell(NumofClass,1);  % NumofClass = 3 in your case
for k = 1:NumofClass
    model{k} = svmtrain(double(trainingLabel==k), trainingData, '-c 1 -g 0.2 -b 1');
end

%% calculate the probability of different labels

pr = zeros(1,NumofClass);
for k = 1:NumofClass
    [~,~,p] = svmpredict(double(testLabel==k), testData, model{k}, '-b 1');
    pr(:,k) = p(:,model{k}.Label==1);    %# probability of class==k
end

%% your label prediction will be the one with highest probability:

[~,predctedLabel] = max(pr,[],2);