如何在圖像上訓練OpenCV SVM分類器

Question

任務的目的是通過SVM對圖像進行分類。 假定變量“ images”包含圖像信息，並且相應的labels包含圖像標簽。 images和labels應如何構建（什么格式和尺寸）？ 我嘗試將images作為Python數組失敗（附加了扁平化的圖像），然后嘗試將Numpy數組作為另一個數組：

images=np.zeros((number_of_images, image_size))
labels=np.zeros((number_of_images, 1))

svm=cv2.SVM()
svm.train(images, labels)

解決這個問題的方法是否正確？如果是，訓練分類器的正確方法是什么？

Answer 1

我認為您不能使用原始圖像數據來訓練SVM模型。 好的， 可以 ，但是效果不會很好。

基本方法是從每個圖像中提取一些特征 ，並將這些特征用於訓練模型。 一組功能構成一個單詞詞典，每個單詞都描述您的圖像。 由於您使用的是同一組詞來描述每個圖像，因此可以比較對應於不同圖像的特征。 該鏈接介紹了更多詳細信息，請進行檢查。

下一步是什么？

1. 為您的算法選擇特征提取器-HOG，SURF，SIFT（ 鏈接 ）
2. 從每個圖像中提取特征。 您將獲得與images數組長度相同的數組。
3. 初始化詞袋（BoG）模型
4. 使用BoG訓練SVM

有用的鏈接：

1. C ++ vey詳細示例
2. 現有BOG分類器的文檔