トレーニングセットには5つのクラスがあり、各クラスには100のトレーニング画像があります。私はテストフォルダに5つのクラスを作成しました。ここで、各テスト画像は、トレーニングクラスと比較され、トレーニングクラスの1つに近いことに基づいて、対応するテストクラスのためにラベル付けされる。 SVM分類器で正しい手順を実行しているかどうかを知りたいですか?SVMクラシファイアとテスト画像
答えて
だから基本的には、以下の構造を有する:
電車
|-- class1
| |-- 1.pgm
| |-- ...
| |-- 100.pgm
|-- class2
| |-- 1.pgm
| |-- ...
| |-- 100.pgm
...
|-- class5
| |-- 1.pgm
| |-- ...
| |-- 100.pgm
テスト
|-- class1
| |-- 1.pgm
| |-- ...
| |-- n.pgm
|-- class5
| |-- 1.pgm
| |-- ...
| |-- n.pgm
は、次のステップでは、列車の画像から記述子を抽出することです。抽出されたフィーチャを使用して、分類モデルを生成(トレーニング)します。最後に、同じエンコード方法を使用してテスト画像からフィーチャを抽出し、訓練されたモデルを使用して予測を行います。
Liviu Stefanに感謝します。だから私は最初にトレーニングデータセットのように手動ですべてのテストデータを手動で別のクラスに分類する必要がありますか?そして、各テストクラスは同じ数のイメージを持ち、その数はトレーニングクラスのイメージの数と異なることがありますか?次にSVM分類器の役割は何ですか? – wannabegeek
いいえ、異なるクラスに手動ですべてのテストデータを手動で分類する必要はありません。また、テストクラスは任意の数のイメージを持つことができます。 SVMを使用して、テスト画像の予測に使用するトレイン画像の分類モデルベースを訓練します。 –
私がしていることを要約しています。コメントしてください。私は "チャット"、 "自転車"、 "夜"、 "食べる"、 "オフィス"のラベルを持つ5つのクラスを持っています。各クラスには100の画像があります。 100個のランダムな画像を持つ "test_data"というフォルダが1つあります。私はvocab.mat、train_features(train_bag_of_sift.mat)とtest_features(test_bag_of_sift.mat)を持っています。トレーニングデータはsvmtrain関数によって訓練されます。 "スコア= [スコア;(W '* test_image_feats' + B)]"はスコアを与え、対応するインデックスカテゴリ(index(max_score))は予測カテゴリです。精度を求めるために、これは地面の真理値と比較されます。 – wannabegeek
- 1. Android OpenCV 3.1ファイルからSVMクラシファイアをロード
- 2. SPARKのSVMまたは任意のクラシファイアのインクリメンタルな分類
- 3. SVMとopencvを使用した画像列3
- 4. 既存のクラシファイアに画像を追加できません
- 5. OpenCvを使用した画像特徴分類のSVM
- 6. 異なる次元の画像を使ったSVMトレーニング
- 7. この画像は浅いNNクラシファイアでは複雑すぎますか?
- 8. Python-Scikit。 SVMを使用したトレーニングとテスト
- 9. Sklearn SVM vs Matlab SVM
- 10. SVMモデルを使用して画像分類の精度を計算する
- 11. 可視化ダイアグラムを描画OpenCV SVMデータセット
- 12. テスト用のノイズのある画像リポジトリ
- 13. n-gramとNaive Bayesクラシファイア
- 14. Tensorflowとcifar 10、単一の画像をテストする
- 15. 非常にシンプルなscikit-learn SVMクラシファイアから最も有益な機能を取得
- 16. PythonクラシファイアSklearn
- 17. WEKAクラシファイア評価
- 18. ビルディングwekaクラシファイア
- 19. python:pyPdfライブラリと画像、pdfから画像
- 20. Laravel Intervention画像とFacebookの画像
- 21. グライド画像ローダーとHTTPSの画像リンク
- 22. オーバーレイ画像と別の透明画像
- 23. ドッカーの公式画像とカスタム画像
- 24. は電車とSVM理論
- 25. Libsvmとvl_featの違いSVM
- 26. 画像とグラフィックスフォーマット
- 27. プロットログと画像
- 28. 画像とConvertBack
- 29. 画像とボタン
- 30. 画像とリストアイテム
より正確です。私はその質問を理解していない。おそらく、あなたはSVMでマルチクラス学習をする方法を尋ねていますが、多分そうではないかもしれません。その場合は、マルチクラス学習で用語OneVsRestとOneVsOneをチェックしてください。 – sascha
opencvのSVMの例で始まり、あなたのデータをあなたのものに置き換えてください。どのような結果が得られているのかを確認してください(http://docs.opencv.org/2.4/doc/tutorials/ml/non_linear_svms/non_linear_svms.html) –