从Gabor过滤器制作特征向量进行分类

Question

我的目标是对汽车类型（轿车，SUV，两厢车）进行分类，之前我使用角落功能进行分类，但效果并不好，所以现在我正在尝试Gabor功能。

code from here

现在提取特征并假设当我将图像作为输入时，然后对于5个刻度和8个方向，我得到2 [1x40]矩阵。

1。 40列能量平方。

2。 40列平均幅度。

问题是我想用这两个矩阵进行分类，我有大约230个3类图像（SUV，轿车，掀背车）。

我不知道如何创建一个[N x 230]矩阵，可以被matlab中的神经网络用作vInputs。（其中N是一个图像的总特征）。

我的问题：

1. 如何从一个图像的2 [1x40]矩阵创建一维图像矢量。（我应该将平均幅度附加到平方能量矩阵以获得[1x80]矩阵或其他东西吗？）

2. 我是否应该首先使用这些gabor功能进行分类？如果不是那么？

提前致谢

Answer 1

一般来说，没有什么可以考虑的 - 简单的神经网络需要一维特征向量而不关心排序，所以你可以简单地将任意数量的特征向量连接成一个（甚至以随机顺序进行 - 不要紧）。特别是如果你有相同的特征矩阵，你也可以连接它的每一行来创建一个矢量化格式。

唯一的例外是当你的数据实际上有一些基本的几何依赖时，例如 - 矩阵实际上是一个像素矩阵。在这种情况下，像PyraNet，卷积神经网络等架构，在这个2d结构上应用某种基于的感受域 - 应该会更好。但这些实现只是接受2d特征向量作为输入。