Question

我正在OpenCV中使用Visual Studio 2010，C ++，SVM构建OCR应用程序。当我使用181种不同的标签训练SVM时可以正常，但是当超过181种标签时它会失败。下面是IDE和OpenCV错误消息和我的代码。请帮帮我，非常感谢你！

IDE错误消息

OCR.exe中0x771e4b32的第一次机会异常：Microsoft C ++ 异常：cv ::内存位置0x0081da74的异常。线程 'Win32 Thread'（0xdac）已退出，代码为-1073741510（0xc000013a）。程序'[2512] OCR.exe：Native'已退出，代码为-1073741510 （0xc000013a）。

OpenCV错误消息

...... \ src \ opencv \ modules \ core \ src \ datastructs.cpp：332：错误：（ - 211）请求的大小是负数还是太大

SVM的配置

CvSVMParams params; 
params.svm_type = CvSVM::C_SVC; 
params.kernel_type = CvSVM::LINEAR; 
params.term_crit  = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);

SVM.train( training_vectors, training_labels, cv::Mat(), cv::Mat(), params );

Answer 1

libSVM使用“one vs all”技术来表示使用二进制SVM分类器的多类问题。这意味着，如果您有N（>2）个标签，libSVM将生成N个不同的分类器，每个分类器都有不同的数据标签（因此它表示“one vs all”方案）。这可能会导致您遇到的内存问题。一些其他模型，例如神经网络或knn，可以代表没有这种开销的多类分类。因此，如果您的数据很大，以libsvm的方式处理它，您至少有三种可能的选择：

将SVM更改为其他可以直接解决多标签分类的模型
尝试使用其他更轻的库实现，特别是opencv不使用libsvm的最新实现（它可以帮助，但不必）
您可以手动执行“one vs all”实施并保存每个单独的模型。这样就可以避免内存问题，因为在任何时候你都会分配最多的二进制问题所需的内存。最后，您只需从文件加载模型并应用简单的投票方案。如果保存的模型太大，则意味着您的模型过度拟合（在SVM中，过度拟合通常表示为支持向量过多，实际上这是定义模型所需的唯一内容 - 所以如果模型有太多的sv将它们加载到内存中，则意味着它很可能被错误地训练，你应该尝试不同的参数/内核）

我可以在OpenCV中增加SVM培训标签的数量吗？

1 个答案: