SVM用于图像特征分类？

Question

我实现了设计的空间金字塔匹配算法 在Matlab中 Lazebnik ，最后一步是做svm 分类。在这一点上，我完全不明白我是怎么回事 应该根据我应该向svmtrain提供什么输入来做到这一点 svmclassify用于获取特征点坐标对 最后训练和测试图像。

我有：

• 火车图片上SIFT个要点的坐标
• 火车图像上SIFT特征点的坐标
• 火车图像的交叉核矩阵
• 测试图像的交叉核矩阵。

我应该使用以下哪些？

Answer 1

SVM分类器期望输入由元组表示的一组对象（图像），其中每个元组是一组数字属性。一些图像特征（例如，灰度级直方图）以适合于训练SVM的数值矢量的形式提供图像表示。但是，像SIFT这样的特征提取算法会为每个图像输出一组矢量。所以问题是：

我们如何将这组特征向量转换为代表图像的唯一向量？

要解决此问题，您必须使用名为bag of visual words的技术。

Answer 2

问题是点的数量不同，SVM期望特征向量与火车和测试的大小相同。

Answer 3

  

列车图像坐标上SIFT特征点的坐标   火车图像上的SIFT特征点

坐标对SVM没有帮助。

我会用：

1. 找到的SIFT功能点的数量
2. 以小的方式对图像进行分割，并在a中使用SIFT-Feature点 特别是rect作为布尔特征值。然后该功能是rect / SIFT特征类型 组合。对于您获得的N-Rects和M-SIFt特征点类型 N * M功能。

第二种方法需要对图像进行空间归一化 - 大小相同，旋转相同

P.S。：我不是ML的专家。我只对显微镜图像中的细胞识别做了一些实验。