使用Sift功能和Knn进行图像分类？

Question

你能帮助我使用SIFT功能进行图像分类吗？

我想根据SIFT功能对图片进行分类：

• 给定一组训练图像，从中提取SIFT
• 在整个SIFT集合中计算K-Means 训练集。 “K”参数（簇的数量）取决于 您用于培训的SIFT数量，但通常是 500-> 8000（越高越好）。
• 现在您已获得K个集群中心。
• 您可以通过分配每个SIFT来计算图像的描述符 图像到K簇之一。通过这种方式你获得了一个 长度直方图K。
• 我在训练集中有130张图像，因此我的训练设置为130 * K. 维
• 我想对我的测试图像进​​行分类，我有1张图片，所以我的样本是1 * k 维。我写了这个代码knnclassify（样本，培训 组，组）。

我想归类为7组。所以，knnclassify(sample(1*10),trainingset(130*10),group(7*1))

错误是： GROUP的长度必须等于TRAINING中的行数。我该怎么办？

Answer 1

直接来自文档：

  

CLASS = knnclassify（SAMPLE，TRAINING，GROUP）对每一行进行分类       将SAMPLE中的数据导入TRAINING中的一个组，使用最近的 -       邻居法。 SAMPLE和TRAINING必须是相同的矩阵       列数。 GROUP是TRAINING的分组变量。它的       唯一值定义组，每个元素定义组       相应的TRAINING行所属。 GROUP可以是一个       数字向量，字符串数组或字符串的单元格数组。的 TRAINING       和GROUP必须具有相同的行数。

这意味着group应该是130x1，并且应该指出每个训练样本属于哪个组。 unique(group)应该返回7个值 - 您的训练集中包含的七个类别。 如果您还没有指定图像属于哪些类别的组向量，则可以使用kmeans将训练集分成7组：

group = kmeans(trainingset,7);
knnclassify(sample, trainingset, group);