OpenCV中的SVM：具有RBF內核的低精度OCR

Question

我正在使用MS Visual Studio 2008，OpenCV，C ++和SVM繼續我的OCR項目。 我已經生成了一個> 2000個機器打印字符樣本的數據集。 當我使用線性內核進行測試時，我總是獲得96,36％的准確率。

我如何在OpenCV中使用SVM可以在這個線程中引用。

現在我嘗試使用RBF內核並遇到這兩個問題：

（1）無論我使用什么參數（C和gamma），所有字符總是被分類為0（零）。 如果我用MNIST測試，所有數字都是9。

我希望有OpenCV和SVM經驗的人可以向我解釋。 我知道還有一些其他好的框架用於機器學習和圖像處理，比如ACCORD.NET，但我已經使用過C ++，將整個程序變成C＃會很麻煩（OCR只是其中的一部分）。

OpenCV的版本是2.3.1。

（2）我把這個問題轉移到另一個問題作為etarion的建議。 如果你有時間請檢查出來： Visual Studio在openCV中使用SVM的訓練方法報告錯誤C2664 。

Answer 1

該理論表明，在正確的參數下，RBF內核至少與線性內核一樣有效。 因此，我將列出常見的問題來源：

• 您可能遇到數字困難。 你有規范化數據嗎？ 每個功能是否介於0和1之間？ 或-1和1？ 實際決策值的數值范圍是多少？ 功能值的范圍是多少？

• 您是否有可能高估線性分類器的性能（即測試和訓練相同的數據？）

• 可能是你的多類表示有點瑕疵。 對於兩類問題而不是十類問題，是否存在相同的性能差異？

Answer 2

至於第一部分，您的參數很可能已關閉。 有一個用於自動參數估計的train_auto方法 ，如果通過將自定義參數網格傳遞給方法（但首先嘗試默認參數）不會產生好的結果，可以擴展使用的參數范圍。