多个样本分类

Question

我已经为基于图像的建筑材料分类培训了SVM分类器。它是现在用来区分混凝土和砖的两级分类器。我对此分类器的输入是从50 * 50图像块生成的一些颜色加纹理直方图。

现在如果我可以有多个图像补丁，我相信它们是相同的材料（想象一下我从混凝土墙面随机抽取一些图像补丁），我想对这些多个样本进行分类得出一个结论，就像这是一面混凝土墙。对我来说最直接的方法是对每个候选图像补丁进行分类，然后选择多数结果作为我的结论。但还有其他更好的方法吗？喜欢某种加权或投票策略？谢谢。

Answer 1

我认为砖图案和混凝土在视觉上是完全不同的，所以使用SVM可能是一种矫枉过正。还有许多其他机器学习方法，例如Kmeans。它们可能更简单，但即便如此也可能更好。

可能只是在多区域空间中绘制两个类的特征向量将创建两个不同的云，因此测量距离这些云的中心的距离（通过标准偏差标准化）将为您提供答案并更清楚地了解正在发生的事情。

Kmeans和SVM之间的区别在于Kmeans构建了对象的原型，而SVM收集了一些甚至不具代表性但只是靠近两个类之间边界的示例。 OpenCV具有Kmeans

的实现

对特征差异执行PCA可能会为您提供最独特的维度。这可以简化您的算法和特征提取。