SVM可以预测看不见的表达

Question

我对支持向量机（SVM）感到困惑。

我正在OpenCV库中使用SVM实现面部表情识别。我有一个分类器，来自不同人群的七种基本人类表达（中立，快乐，悲伤，惊讶，愤怒，恐惧和厌恶）的集合。让我们说一个新人进来，SVM试图预测这个人。它会正确猜测（或至少以较低的识别率识别它）？

我尝试这样做并检查使用交叉验证（我将培训和测试集分开），经过多次迭代后，识别率平均约为50％。但是，如果我测试面部图像，它已经在训练集中学习，识别率提高了90％。

同样进行面部表情识别的

This paper说：

  

我们的方法基于机器学习系统   支持向量机（SVM）。面部特征跟踪器   从特征运动中收集一组位移   视频流。这些随后用于训练SVM   分类器识别以前看不见的表达

所以我的主要问题是，

这是否意味着SVM无法正确预测看不见的样本（模仿上述某个表达的新人）？

希望有人可以提供帮助，我希望我足够清楚

P.S我所说的看不见的表达方式是一个新人（SVM以前从未见过），但是这个人模仿我上面提到的一个表达式。不是其他表达方式。

Answer 1

“以前看不见的表达”只是意味着看不见的样本，模型可以是svm，决策树或其他分类模型。

我认为在看不见的面部图像中精度降低的原因与您选择的功能有关，这可能与特定的人高度相关。特征选择方法可以帮助，模型中的L1调整（L1-SVM）可能有所帮助。

Answer 2

当然，SVM可以正确地预测看不见的表达 - 这实际上意味着＆＃34;泛化＆＃34;。然而，它不能预测其他人类表达而不是你在训练集中收集的表达（这不是问题）。

而且，自然地，预测看不见的面孔比预测模型训练的数据更难。所以，不用担心，只需使用你已经做过的机器。另一方面，如果要减少泛化错误，可以尝试使用其他功能。

Answer 3

我不确定如何理解你的问题...

首先，您似乎在识别known expressions (neutral, happy, sad, surprise, anger, fear, and disgust)时会出现问题。confused。

通常，使用机器学习的目的是将新的面部图像分类为其中一个表达式。学习的概括将是识别未知面部上的表达（或者只是已知面部的新/未知图像）。

但是你要求分类为新的表达式，例如unknown expression，这在整个学习过程中不是主题，并且与已知的表达式无关（例如，如果混淆了惊喜和愤怒的混合）？ Afaik这是不可能的。 你能做的就是拥有一个班级unknown expression。每当您识别unknown expression时，您都会保存这些信息。从{{1}}收集的所有样本中，您可以手动或自动尝试分离新的表达式群集！