Question

我正在使用BOW模型和SVM开发图像分类项目。我想找出SVM预测概率，但opencv svm中没有这样的功能。有没有办法做到这一点？我想找出n级SVM中的预测概率。

Answer 1

不，你不能用CvSVM做到这一点。 OpenCV的SVM实现基于一个非常旧版本的libsvm。下载最新版本的libsvm并改为使用它。当然，您必须编写一个包装器来转换数据格式。见http://www.csie.ntu.edu.tw/~cjlin/libsvm/

Answer 2

正如我的@Bull所建议的那样，OpenCV中未实现预测概率。但是，有很多种方法可以访问底层libsvm来实现这一目标。 blog和代码段的详细信息如下：

注意：此函数会加载模型，因此不会在外部加载。

#include "svm.h"
...
void predict(string modelPath, Mat& hist) {

    const char *MODEL_FILE = modelPath.c_str();
    if ((this->SVMModel = svm_load_model(MODEL_FILE)) == 0) {
        this->modelLoaded = false;
        fprintf(stderr, "Can't load SVM model %s", MODEL_FILE);
        return;
    }

    struct svm_node *svmVec;
    svmVec = (struct svm_node *)malloc((hist.cols+1)*sizeof(struct svm_node));
    int j;
    for (j = 0; j < hist.cols; j++) {
        svmVec[j].index = j+1;
        svmVec[j].value = hist.at<float>(0, j);
    }
    svmVec[j].index = -1; // this is quite essential. No documentation.

    double scores[8]; // suppose there are eight classes
    if(svm_check_probability_model(SVMModel)) {
        svm_predict_probability(SVMModel, svmVec, scores);
    }
}

Answer 3

您可以尝试生成混淆矩阵，这应该告诉您每个图像属于任何类的概率。 Confusion Matrix

在这里你有一个我发现的片段，虽然它不完整但可能会给你一些想法：

map<string,map<string,int> > confusion_matrix; // confusionMatrix[classA][classB] =   number_of_times_A_voted_for_B;
map<string,CvSVM> classes_classifiers; //This we created earlier

vector<string> files; //load up with images
vector<string> classes; //load up with the respective classes

for(..loop over a directory?..) {
Mat img = imread(files[i]),resposne_hist;

vector<KeyPoint> keypoints;
detector->detect(img,keypoints);
bowide->compute(img, keypoints, response_hist);

float minf = FLT_MAX; string minclass;
for (map<string,CvSVM>::iterator it = classes_classifiers.begin(); it !=       classes_classifiers.end(); ++it) {
  float res = (*it).second.predict(response_hist,true);
  if (res < minf) {
     minf = res;
     minclass = (*it).first;
  }
}
confusion_matrix[minclass][classes[i]]++;  
}

我还没有测试过，所以如果你能让它工作我会很感激你在这里沟通：）

来源：a-simple-object-classifier-with-bag-of-words

OPencv SVM预测概率

3 个答案: