9

ठीक है, लगभग सभी अनुप्रयोगों में मैंने देखा है कि होग सुविधाओं का उपयोग रैखिक svm क्लासिफायर के रूप में उपयोग करता है। क्या कोई मेरे लिए समझा सकता है कि रैखिक svm क्यों चुना जाता है और वे अच्छे प्रदर्शन क्यों देते हैं?होल डिस्क्रिप्टर के साथ रैखिक svms अच्छी तरह से क्यों काम करता है?

रैखिक svm चुना गया है क्योंकि बहुपद या गाऊशियन कर्नेल का उपयोग करने वाले svms की तुलना में ट्रेन करना अधिक आसान और आसान है और इन कर्नेल का उपयोग करना बेहतर प्रदर्शन नहीं दे रहा है?

+1

गैर रेखीय गिरी अच्छे प्रदर्शन के साथ हमेशा नहीं आता है के साथ प्रशिक्षण। गैर-रैखिक कर्नेल कुछ बार प्रशिक्षण के दौरान और खराब परीक्षण प्रदर्शन में नेतृत्व कर सकता है। कभी-कभी यह करना पड़ता है कि आपका डेटा कितना जटिल है। आम तौर पर, आरबीएफ कर्नेल के संयोजन में जटिल डेटा परीक्षण सटीकता को नुकसान नहीं पहुंचा सकता है (ओवरट्रेनिंग, नमूना वस्तुओं से बाहर मॉडल सामान्यीकरण का पता नहीं लगा सकता है)। इसलिए कर्नेल निर्णय और उनमें से अच्छी अंशांकन प्रदर्शन को महत्वपूर्ण रूप से प्रभावित कर सकता है। मुझे आशा है कि वह मदद करेंगे! – Darkmoor

+6

@endif दिलचस्प सवाल। इसे आज़माएं: "एचओजी सुविधाओं पर प्रशिक्षित रैखिक एसवीएम इतने अच्छे प्रदर्शन क्यों करते हैं?" http://arxiv.org/abs/1406.2419 – Bull

उत्तर

0

रैखिक या गैर-रैखिक HOG या किसी अन्य सुविधा का प्रश्न नहीं है। यह केवल उदाहरणों की संख्या से संबंधित है + क्लस्टर की संख्या + फीचर आयामों की संख्या। सामान्य रैखिक मॉडल में डेटासेट के लिए अधिमानी होते हैं जिनमें उदाहरणों की तुलना में अधिक फीचर आयाम शामिल हैं। यदि मामला उलटा है, तो आपको कर्नेल एसवीएम जैसे गैर-रैखिक के लिए जाना चाहिए क्योंकि यह आपके डेटा को किसी अन्य स्थान पर प्रोजेक्ट करता है जहां फिर से आपके उदाहरण अधिक आयामों के साथ प्रदर्शित होते हैं।

ज्यादातर मामलों में, आपको छवियों पर HOG लागू करके सुविधा आयामों की बहुत अच्छी संख्या मिलती है। इसलिए आप केवल रैखिक मॉडल का उपयोग कर सकते हैं। हालांकि यदि आपके पास 100000 ... कक्षाएं और 10000000 ... छवियां हैं तो HOG + रैखिक मॉडल अपर्याप्त होगा। उदाहरण के लिए ImageNet चुनौती में उदाहरण के लिए कोई भी रैखिक SVM के साथ HOG का उपयोग नहीं करता है।

0

व्यक्तिगत रूप से मैंने ग्रेडियेंट्स के हिस्टोग्राम के साथ कभी काम नहीं किया है, लेकिन आपके मामले में मैं मूल्यांकन करूंगा कि आपका होग डेटा रैखिक रूप से भेदभाव कर रहा है या नहीं। मैं यह नहीं मानूंगा कि अगर हर कोई होग के लिए एक रैखिक वर्गीकरण का उपयोग करता है क्योंकि यह आपको चाहिए। आलोचनात्मक रूप से उस दावे का मूल्यांकन करें।

इसे आज़माएं: एलडीए का उपयोग करके एक होग डेटासेट प्रोजेक्ट करें और फिर परिवर्तित फीचर स्पेस की स्कैटर प्लॉट करें। जांच करें कि कक्षाओं के बीच भेदभाव करने के लिए अधिकतम मार्जिन हाइपरप्लेन का उपयोग करना संभव है या नहीं।

0

यह गति वास्तव में मायने रखती है। कर्नेल एसवीएम का पता लगाने में बेहतर प्रदर्शन हो सकता है इससे कोई फर्क नहीं पड़ता कि आप किस सुविधा का उपयोग करते हैं। लेकिन कर्नेल एसवीएम समय लेने वाली है, खासकर खिड़की डिटेक्टरों को स्लाइड करने के लिए जिसमें वर्गीकरण का मूल्यांकन कई बार किया जाता है। इसलिए रैखिक एसवीएम अक्सर ऑब्जेक्ट डिटेक्शन में चुना जाता है। होग ऑब्जेक्ट डिटेक्शन के लिए एक अच्छा वर्णनकर्ता है, और रैखिक एसवीएम के साथ अच्छा प्रदर्शन हासिल किया जा सकता है। यदि कम्प्यूटेशनल जटिलता पर विचार नहीं किया जाता है, तो कोई भी कर्नेल एसवीएम के साथ बेहतर प्रदर्शन की उम्मीद कर सकता है।

संबंधित मुद्दे