2013-05-28 13 views
7

मैं बीओ मॉडल और एसवीएम का उपयोग कर एक छवि वर्गीकरण परियोजना विकसित कर रहा हूं। मैं एसवीएम की संभाव्यता की भविष्यवाणी करना चाहता हूं लेकिन ओपनसीवी एसवीएम में ऐसा कोई फ़ंक्शन नहीं है। क्या इसे करने का कोई तरीका है? मैं एन-क्लास एसवीएम में पूर्वानुमान संभावना को जानना चाहता हूं।ओपेनसीवी एसवीएम भविष्यवाणी की भविष्यवाणी

उत्तर

3

नहीं, आप इसे सीवीएसवीएम के साथ नहीं कर सकते हैं। ओपनसीवी का एसवीएम कार्यान्वयन libsvm के बहुत पुराने संस्करण पर आधारित है। Libsvm का नवीनतम संस्करण डाउनलोड करें और इसके बजाय इसका उपयोग करें। बेशक आपको डेटा प्रारूपों को बदलने के लिए एक रैपर लिखना होगा। देखें http://www.csie.ntu.edu.tw/~cjlin/libsvm/

+2

वैकल्पिक रूप से, आप प्लैट स्केलिंग पर निर्णय संभावनाओं प्राप्त करने के लिए एक के बाद प्रसंस्करण कदम के रूप में अपने आप को महत्व देता है को लागू कर सकते हैं: काम मुझे लगता है कि आप इसे यहां से संवाद :)

स्रोत की सराहना करेंगे। –

+2

यह अभी भी अप्रैल 2015 के अनुसार पसंदीदा दृष्टिकोण है? – Poyan

-1

आप एक भ्रम मैट्रिक्स उत्पन्न करने का प्रयास कर सकते हैं, यह आपको किसी भी वर्ग से संबंधित प्रत्येक छवि की संभावना बताएगा। Confusion Matrix

और यहाँ आप एक टुकड़ा मैंने पाया है, हालांकि यह अधूरा है यह आप कुछ विचार दे सकते हैं:

map<string,map<string,int> > confusion_matrix; // confusionMatrix[classA][classB] = number_of_times_A_voted_for_B; 
map<string,CvSVM> classes_classifiers; //This we created earlier 

vector<string> files; //load up with images 
vector<string> classes; //load up with the respective classes 

for(..loop over a directory?..) { 
Mat img = imread(files[i]),resposne_hist; 

vector<KeyPoint> keypoints; 
detector->detect(img,keypoints); 
bowide->compute(img, keypoints, response_hist); 

float minf = FLT_MAX; string minclass; 
for (map<string,CvSVM>::iterator it = classes_classifiers.begin(); it !=  classes_classifiers.end(); ++it) { 
    float res = (*it).second.predict(response_hist,true); 
    if (res < minf) { 
    minf = res; 
    minclass = (*it).first; 
    } 
} 
confusion_matrix[minclass][classes[i]]++; 
} 

मैं अभी तक यह परीक्षण नहीं किया, इसलिए मामले में आप इसे बनाने के लिए मिलता है a-simple-object-classifier-with-bag-of-words

+1

मैं सहमत नहीं होगा। भ्रम मैट्रिक्स की संभावना जमीन की सच्चाई को देखते हुए एक निरंतर दृष्टिकोण है। भ्रम मैट्रिक्स एक अदृश्य छवि के लिए बेकार है। –

संबंधित मुद्दे