使用可变大小的训练图像的猪描述符训练SVM（MATLAB）

Question

我正在尝试使用HoG + SVM将对象分类为不同的类别。问题是训练图像的维度是不同的。因此，生成的HoG描述符具有可变长度。我将所有训练图像中的特征提取到一个单元格中。单元的每个元素i是数据集中图像i的HoG描述符的向量。我的问题是如何使它兼容训练SVM分类器（使用svmtrain函数）？

Answer 1

正如lejlot正确提到的，SVM无法使用可变长度向量进行训练。

您可以将图像大小标准化为1，即256x256。有三种可能性：

1. 围绕中心裁剪256x256补丁。
2. 将图像大小调整为256x256，丢弃原始宽高比。
3. 将图像大小调整为256xM，其中M <1。 256 - 保留原始宽高比。然后在左右（或顶部和底部）添加灰色条纹以将图像填充到256x256。

所有变体都由不同的作者使用，你必须检查哪一个最适合你的任务。

Answer 2

SVM 无法训练使用可变长度向量。您必须使用某种转换，将您的数据映射到恒定长度表示。例如，您可以执行众所周知的降维技术。