将LIBSVM与HOG描述符一起使用

Question

我想在MatLab中使用LIBSVM和HOG生成训练数据。

我为一张图像计算了HOG描述符，这是3780 x 1（双）短片段：

0
     0
0.0181
0.7746
     0
     0
     0
     0
0.4692
0.5279
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
     0
0.4692
0.5279
0.0016
0.0018
0.2826
0.2535
     0
     0
0.2728
0.0451
     0
     0
0.1788
0.0209
     0
     0
0.0501
0.0059
     0
     0
0.1320
0.0137

我假设是training_instance_matrix：

svmtrain(training_label_vector, training_instance_matrix [, 'libsvm_options']);

如何对此向量中的元素进行分类以生成

training_label_vector

Answer 1

要点：

SVM是一种二元监督方法。因此，它将您的数据集分成两组。对于训练，您需要提供配对数据，即（观察，标签），以便为模型参数赋值。基本上，你的* training_label_vector *可以是一个二进制向量，说明哪个组属于每个样本。

如果您想将每张图片分类为包含或不包含人物：人物或非人物。您有N = 100个样本，每个样本具有M = 3780个特征。最后，您的要素矩阵的尺寸为NxM = 100x3780，而标签向量的尺寸为Nx1 = 100x1。带有人的图片的标签向量为1，否则为0（此配置实际上是任意的）。