我的LBP代码中的特征提取错误在哪里？

Question

我正在研究船舶的分类。我已经尝试过使用HOG进行特征提取，并获得0.85％的准确性得分。现在我正在尝试LBP，但是我仅获得0.31，当您查看混淆矩阵时，您会看到所有测试的样本仅卡在具有最多样本的一列上。

您能看一下我的代码并说出我的错在哪里吗？

train_dataset_dir = "C:/Users/asus/Dropbox/RGB Ship 
                      Classification/Dataset/TRAIN_AUG"
test_dataset_dir = "C:/Users/asus/Dropbox/RGB Ship 
                    Classification/Dataset/TEST"
classes = os.listdir(train_dataset_dir)
label=0
for f in classes:
   if not f.startswith('.'):
       print(f)
       label+=1
       class_file=os.path.join(train_dataset_dir,f)
       ships=os.listdir(class_file)

       for ship in ships:

           ship_name=os.path.join(class_file,ship)
           img = data.load(ship_name)
           img = gaussian(img, sigma=0.8)
           img = resize(img,(pr.EN,pr.BOY))  

           lbp = local_binary_pattern(img, n_points, radius, METHOD)
           n_bins = 256
           hist, _ = np.histogram(lbp, bins=n_bins, range=(0,9))
           lbp_train_set.append(hist)
           train_labels.append(label)

训练后，我用另一条路做同样的测试。然后使用standartscaler和PCA进行标准化。最后，我用SVM进行分类。 İ用HOG做了同样的事情（sc，PCA，SVM）。