训练自定义 SVM 以在 OpenCV 中与 HOGDescriptor 一起使用

2024-04-19 • 问答

我正在尝试训练我自己的检测器以与 OpenCV::HOGDescriptor 一起使用，但是我无法让现有的 HOGDescriptor 与我新训练的 SVM 一起使用.

我计算了正负训练图像的 HOG 特征，标记它们并使用 CvSVM 训练 SVM.我使用的参数是:

    CvSVMParams params;
    params.svm_type =CvSVM::EPS_SVR;
    params.kernel_type = CvSVM::LINEAR;
    params.C = 0.01;
    params.p = 0.5;

然后我计算支持向量的原始形式，以便我只得到一个向量而不是多个向量，并使用 HOGDescriptor.setSVMDetector(vector) 设置计算的支持向量；

这是原始形式

当我使用 CvSVM.predict() 时，我能够使用 SVM 正确地对对象进行分类，但是 HOGDescriptor.detect() 或 detectMultiScale() 总是返回大量正匹配并且没有给出准确的预测.

CvSVM.predict() 使用原始支持向量进行分类，因此我计算原始形式的方式可能有问题.

有没有人训练过自己的探测器，可以为我指明正确的方向?

我写了一个 CvSVM 的子类来在训练线性 svm 后提取原始形式.正样本标记为 1，负样本标记为 -1.奇怪的是，为了从 HogDescriptor 获得正确的结果，我必须在 alphas 前面加上负号并保持 rho 的符号不变.

线性支持向量机.h

#ifndef LINEAR_SVM_H_
#define LINEAR_SVM_H_
#include <opencv2/core/core.hpp>
#include <opencv2/ml/ml.hpp>

class LinearSVM: public CvSVM {
public:
  void getSupportVector(std::vector<float>& support_vector) const;
};  

#endif /* LINEAR_SVM_H_ */

LinearSVM.cc

#include "linear_svm.h"    
void LinearSVM::getSupportVector(std::vector<float>& support_vector) const {

    int sv_count = get_support_vector_count();
    const CvSVMDecisionFunc* df = decision_func;
    const double* alphas = df[0].alpha;
    double rho = df[0].rho;
    int var_count = get_var_count();
    support_vector.resize(var_count, 0);
    for (unsigned int r = 0; r < (unsigned)sv_count; r++) {
      float myalpha = alphas[r];
      const float* v = get_support_vector(r);
      for (int j = 0; j < var_count; j++,v++) {
        support_vector[j] += (-myalpha) * (*v);
      }
    }
    support_vector.push_back(rho);
}

这篇关于训练自定义 SVM 以在 OpenCV 中与 HOGDescriptor 一起使用的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持前端之家！

训练自定义 SVM 以在 OpenCV 中与 HOGDescriptor 一起使用

sgdtiancai 回答：训练自定义 SVM 以在 OpenCV 中与 HOGDescriptor 一起使用

大家都在问