我正在尝试对足球场上的码数进行分类。我能够很好地检测它们（不同的方法）。我有一个围绕十位数字'1,2,3,4,5'绘制的最小边界框。我的目标是对它们进行分类。
我一直在努力训练我从训练集中提取的猪特征上的SVM分类器。我的训练数字的一小部分位于：http://ssadanand.imgur.com/all/
在训练时，我想象我的猪描述符，看起来是正确的。我使用64X128培训窗口和OPencv的HOGDescriptor使用的其他默认参数。
一旦我训练我的图像（每班50个样本，5个班级），我有一个250X3780训练向量和1X250标签向量，它保存了我给CvSVM对象提供的类标签值。这是我遇到问题的地方。
我在使用CvSVM时尝试使用默认的CvSVMParams（）。在训练集上测试时表现糟糕！
我尝试自定义我的CvSVMPARAMS：
CvSVMParams params = CvSVMParams();
params.svm_type = CvSVM::EPS_SVR;
params.kernel_type = CvSVM::POLY;
params.C = 1; params.p = 0.5; params.degree = 1;
这些参数和我的SVM分类器的不同变化甚至在我在训练集上进行测试时非常糟糕！
有人可以帮助我为这个5级分类器参数化我的SVM吗？ 我不明白我必须使用哪个内核和svm类型来解决这个问题。另外，我应该如何在世界上找到我的svm的c，p，degree的值？
我认为这是一个非常容易的分类问题，因为我的所有对象都很好地限制在一个盒子里，相当好的分辨率，类别，即数字1,2,3,4,5在外观上是相当独特的。我不明白为什么我的SVM做得这么糟糕。我在这里缺少什么？
答案 0 :(得分：4)
先验而没有实验，很难给你一些好的参数，但我可以给你一些想法。
首先，您要为多类分类器建模，但是您使用的是回归算法，而不是您不能这样做，但如果您首先使用C-SVM，通常会更容易。
其次，我建议使用RBF而不是Polynomial内核。 Poly很难做到正确，通常RBF可以更好地开箱即用。
第三，我会使用C的几个值，不要害羞并尝试更大的C（例如100），这将迫使算法选择更多的SV。它可能导致过度拟合，但如果你甚至不能使算法学习那不是你眼前的问题的训练集。
第四，我会首先减少图像的尺寸，然后如果需要，当你有一个更稳定的模型时，你可以再次尝试使用那个尺寸。
我真的建议您阅读LibSVM指南，该指南非常容易理解http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf
希望它有所帮助！
编辑：
我忘了提一下，选择SVM参数的好方法是执行交叉验证：http://en.wikipedia.org/wiki/Cross-validation_(statistics)
http://www.autonlab.org/tutorials/overfit10.pdf
http://www.youtube.com/watch?v=hihuMBCuSlU
http://www.youtube.com/watch?v=m5StqDv-YlM
EDIT2：
我知道这很愚蠢，因为它是问题的标题，但在你指出评论之前我没有意识到你正在使用HOG描述符。