Question

我想训练SVM进行物体检测。此时我有一个python脚本，可以检测FAST关键点并在该位置提取BRIEF功能。

现在我不知道如何使用这些描述符来训练SVM。

请你告诉我：

如何使用描述符训练SVM（据我所知，这些描述符应该是我的列车数据）？
我使用的标签是什么以及如何获得它们？

Answer 1

要训练SVM，您需要一个带有功能的矩阵X和带有标签的矢量y。它应该看起来像3个图像和两个功能：

>>> from sklearn import svm
>>> X = [[0, 0],   <- negative 0
         [1, 3],   <- positive 1
          2, 5]]   <- negative 0
>>> y = [0,   
         1,
         0]
>>> model = svm.SVC()
>>> model.fit(X, y)

训练集将包含多个图像，每个图像都是X和y的一行。

正面样本

您可以通过两种方式指定阳性样本。一种方法是指定   较大图像中的矩形区域。区域包含对象   出于兴趣。另一种方法是裁剪出感兴趣的对象   从图像中将其另存为单独的图像。然后，您可以指定   该区域是整个图像。你也可以产生更积极的   通过添加旋转或噪声或通过变化来从现有样本中取样   亮度或对比度。

否定样本

不包含感兴趣对象的图片。

[从here]
稍加编辑

特征矩阵X：

在这里你可以发挥创意，但我会提一个简单的想法。制作height * width个功能，每个图像的每个像素一个，但除了在FAST关键点周围的一个小区域外，它们全部为0。最后，您的X矩阵将具有维度（n_images，height*width）。

另一个常用的想法是Bag of Words。 X矩阵必须具有固定数量的要素/列，关键点的数量是可变的。这是一个表示问题，但可以解决它们在具有固定数量的箱的直方图中的分组。有关详细信息，请参阅示例this paper。

您必须参考专业文献，提出更多方法来合并Brief功能，但我希望这会让您了解如何开始使用。

Opencv：使用快速关键点和简要功能训练SVM

1 个答案:

标签：

特征矩阵X：