Question

我不是MATLAB的新手，只是对整个机器学习的新手。

我必须做一个简单的二进制图像分类。我不在乎它是工具箱还是代码，我只需要这样做。我尝试了在Github或其他网站上在线发现的几个分类代码，但大多数分类代码随机工作，其中一些用于预定义图像。

那些处理预定义图像的人很整洁（例如：http://www.di.ens.fr/willow/events/cvml2011/materials/practical-classification/），但我在应用一组新图像时遇到了问题，只是因为有一些.txt文件（名称的向量）图像，很容易复制）和一些.mat文件（同时包含名称和直方图）。

我遇到了以相同顺序创建名称和直方图的问题，我使用的代码是：

  for K = 1 : 4
    filename = sprintf('image_%04d.jpg', K);
    I = imread(filename);
    IGray = rgb2gray(I);
    H = hist(Igray(:), 32);
  end
  save('ImageDatabase.mat', 'I', 'H');

但由于某种原因，只保留最后一张图像的名称和路径（例如，在这种情况下，只有image_0004存储在名称槽中）。

我找到的另一个代码似乎很容易：https://github.com/rich-hart/SVM-Classifier，但输出实际上是随机的（对我而言）所以如果有人能向我解释发生了什么，我将不胜感激。有19个训练图像，20个用于测试。但是，如果我删除其中一个测试图像，则2个条目会从支持向量结构中消失？

无论如何，如果您有工具箱，或者更容易改编的代码或对上述代码的一些解释，我将不胜感激。

干杯！

编辑：

我尝试按照此代码示例：http://dipwm.blogspot.ro/2013/01/svm-support-vector-machine-with-matlab.html

即使我有30张100x100的图像，我仍然会收到此错误：

Error using svmtrain (line 253)
Y and TRAINING must have the same number of rows.

Error in Untitled (line 74)
SVMStruct = svmtrain(Training_Set , train_label, 'kernel_function', 'linear');

Answer 1

当您只有大约40个数据点用于培训，测试和验证时，无法在原始100x100图像上训练任何分类器。所以推荐一个Matlab工具箱并不能真正帮助你解决问题。

答案是：获取更多数据

为了完整起见，您可以尝试两种方法：

功能提取

也许在你的照片中有一些非常明显的特征（一些照片较暗，有一个白色的角落等），你可以在训练之前提取。使用3-4个功能，您可以尝试使用数据集训练分类器。在这种情况下，我会尝试fitcensemble，因为它很容易使用而没有算法的内部工作。

使用预先训练的分类器

您可以使用 GoogLeNet ，也许您的照片适合ImageNet categories之一。如果您的图片与任何类别都不匹配，请尝试transfer learning。

如何在MATLAB中进行简单的二进制图像分类？

1 个答案: