我使用经典的SIFT - BOW - SVM进行图像分类。我的分类器是使用1vsAll范例创建的。
我们说我目前有100个班级。 之后，我想添加新的类或者我想使用其他训练集来提高对某些特定类的识别。
最好的办法是什么？ 当然，最好的方法是重新执行培训阶段的每个步骤。 但是，仅使用与前一个模型相同的词汇来计算其他（或修改过的）类是否有意义，以避免重新计算新的词汇并再次训练所有类？
由于
答案 0 :(得分：3)
总之 - 没有。如果您添加新课程，则应将其添加到每个＆＃34; old＆＃34;分类器所以＆＃34;一个对所有＆＃34;仍然有道理。如果您假设新类可以随时间出现，请考虑使用一个类分类器，例如一类SVM。这样，一旦您获得特定类的新样本，您只需重新训练特定模型，或者向系统添加一个全新的样本。
此外，对于大量的类，1对所有SVM的工作都非常糟糕，而且一流的方法通常要好得多。