Question

我使用CvSVM仅对两种类型的面部表情进行分类。我使用基于LBP（局部二进制模式）的直方图从图像中提取特征，并使用cvSVM::train(data_mat,labels_mat,Mat(),Mat(),params)进行训练，其中，

data_mat的大小为200x3452，包含行主要形式的200个样本的归一化（0-1）特征直方图，每个具有3452个特征（取决于邻域点的数量）

labels_mat是对应的标签矩阵，只包含两个值0和1。参数是：

CvSVMParams params;

params.svm_type     =CvSVM::C_SVC;
params.kernel_type  =CvSVM::LINEAR;
params.C            =0.01;
params.term_crit=cvTermCriteria(CV_TERMCRIT_ITER,(int)1e7,1e-7);

问题是： -

测试时，即使应用了不同的内核和train_auto（）函数，我的结果也非常糟糕（准确度大约在10％-30％之间）。
CvSVM::predict(test_data_mat,true)提供'NaN'输出

我将非常感谢任何帮助，这让我感到难过。

Answer 1

我想，你的类在你使用的特征空间中线性硬/不可分。可能最好在分类器训练步骤之前将PCA应用于数据集并估计这个问题的有效维度。此外，我认为用户可以使用其他分类器测试您的数据集。您可以为此目的调整标准opencv示例points_classifier.cpp。它包含许多不同的分类器，你可以使用类似的界面。

Answer 2

SVM泛化能力较低。首先通过主成分分析减少数据维度，然后将SVM kerenl类型更改为RBF。

CvSVM.predict（）给出'NaN'输出和低精度

2 个答案: