이미지 분류 GIST 설명자 사용

Question

이미지를 분류하기 위해 libSVM을 사용하여 다중 클래스 SVM 모델을 만들었습니다. 그리드 검색을 사용하여 C 및 G 매개 변수에 최적화되었으며 RBF 커널을 사용했습니다.

수업은 1) 동물 2) 꽃 3) 풍경 4) 초상화입니다.

내 훈련 세트는 각 카테고리에서 100 이미지이며 각 이미지에 대해 Lear 's Gist Descriptor C 코드 http://lear.inrialpes.fr/software을 사용하여 920 길이의 벡터를 추출했습니다.

50 개의 이미지/카테고리에서 내 모델을 테스트 할 때 ~ 50 %의 정확도를 얻었습니다. 이는 무작위의 2 배 (25 %는 4 개의 클래스가 있으므로)입니다.

저는 컴퓨터 비전에 비교적 익숙하지만 기계 학습 기술에 익숙합니다. 효과적으로 정확성을 향상시키는 방법에 대한 제안 사항은 무엇입니까?

감사합니다. 많은 답변을 드리겠습니다.

Answer 1

이것은 아주 아주 열려있는 연구 도전이다. 이론적으로 더 나은 것으로 보장되는 단일 답변이 반드시 필요한 것은 아닙니다.

귀하의 카테고리를 감안할 때 좋지 않지만 Gist는 처음에는 장면 분류를위한 글로벌 설명자로 설계되었습니다 (경험적으로 다른 이미지 카테고리에 유용함이 입증 되었음에도 불구하고). 표현 측면에서 패치 기반 히스토그램과 같은 색상 기반 기능과 SIFT와 같은 인기있는 저수준 그라디언트 기능을 사용하는 것이 좋습니다. 컴퓨터 비전에 대해 배우기 시작한 단계라면 SVM은 이미지 세트의 가변성에 따라 수행하는 작업에 충분하다고 말합니다. 조명, 시야각, 초점 등