이미지를 분류하기 위해 libSVM을 사용하여 다중 클래스 SVM 모델을 만들었습니다. 그리드 검색을 사용하여 C 및 G 매개 변수에 최적화되었으며 RBF 커널을 사용했습니다.이미지 분류 GIST 설명자 사용
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.
Daubechies 웨이브 렛 변환을 사용하여 6 자유도 기능을 포함 시켰으며 정확도가 61 %로 뛰어 올랐습니다! SIFT/SURF 및 패치 기반 기능을 살펴 보겠습니다. 내가 사용할 수있는 다른 기능을 생각하면 알려 주시기 바랍니다! 고마워 – zoocoder