나는 비디오의 분류를위한 시각적 단어의 가방을 만들고있다. 나는 SURF 서술자를 사용하지 않기 때문에이 목적을 위해 OpenCV의 BOWImgDescriptorExtractor
을 사용할 수 없었습니다. 설명자를 추출하여 직접 클러스터링했습니다. 나는 나의 어휘력을 가지고있다. (크기 4000). 내가해야 할 일은이 훈련 디스크립터를이 클러스터에 할당하고 다음 단계의 시각적 히스토그램을 작성하는 것입니다. 이 예측을 어떻게 수행하고 작성된 사전의 교육 데이터에 대한 시각적 히스토그램을 작성해야합니까?훈련 데이터를위한 클러스터의 BOW 예측
1
A
답변
0
설명자를 클러스터에 할당하려면 거리 메트릭을 선택해야합니다. 간단한 선택은 유클리드 거리입니다. 그런 다음 교육 설명자에서 각 클러스터 중심까지의 거리를 계산하여 중심점이 다른 클러스터의 중심점보다 설명 자에 더 가까운 클러스터에 할당해야합니다.
이미지의 모든 교육 설명자에 대해 수행 한 후에는 각 클러스터에 할당 된 설명자 수를 계산 한 다음 막대 그래프를 작성합니다. 트레이닝 세트의 모든 이미지에 대해 절차를 반복해야합니다. 설명자의 수는 이미지에 따라 다를 수 있으므로 일반적으로 히스토그램은 학습을위한 특징 벡터로 분류 자에 공급되기 전에 정규화됩니다.
관련 문제
- 1. 주어진 입력에 대해 훈련 된 네트워크로부터 어떻게 예측 (예측)합니까?
- 2. 예측 모델 및 TunePareto 패키지로 데이터 집합 테스트 및 훈련
- 3. OpenCV BOW - 너무 높은 막대 그래프 값
- 4. OPencv SVM 예측 확률
- 5. 예측 패키지를 사용하여 R로 예측
- 6. 축구 예측 프로그램 encog : 일치하지 않는 예측
- 7. 가변 예측 예측 방정식을 목표로하는 Python 모델
- 8. ARMA 예측 간격 예측
- 9. 예측
- 10. 예측
- 11. 예측
- 12. Tensorflow RNN 시퀀스 훈련
- 13. WEKA의 MultilayerPerceptron : 훈련 후 다시 훈련
- 14. 예측 IO - 관리하거나 명확 이벤트
- 15. 클러스터의 라이브러리로드
- 16. 클러스터의 랭킹
- 17. 공간 데이터를위한 데이터 구조
- 18. 업데이트 데이터를위한 다중 스레드
- 19. 보안 데이터를위한 전역 변수
- 20. 많은 데이터를위한 MySql 데이터베이스
- 21. 암호화 데이터를위한 최선의 방법
- 22. 구조화되지 않은 데이터를위한 BigQuery
- 23. 블로그 데이터를위한 NoSql 솔루션
- 24. 가격 데이터를위한 데이터베이스 설계
- 25. Google지도 데이터를위한 데이터베이스 설계
- 26. 대용량 데이터를위한 하둡 정렬하기
- 27. 임시 데이터를위한 코어 데이터
- 28. 시공간 데이터를위한 테이블 디자인
- 29. 대용량 데이터를위한 Python의 대안
- 30. 많은 데이터를위한 mysql 최적화