SVM 및 BOW를 사용한 이미지 분류?

Question

나는 openCV에 너무 익숙하지 않다. 나는 몇몇 심상을 있고 나는 그들이 찾고있는 표시가다는 것을 검사하고 싶다. 그래서, 나는 어떤 코드가 SVM 기술을 사용하고 싶습니다. 코드의 대부분을 이해했지만이 코드를 어떻게 구현할 수 있는지 모르겠습니다. 코드는 createTrainDataUsingBow() 초는 int trainSVM 및 int svmPredict의 세 가지 기능을 갖습니다.

문제점 : 먼저 SVM을 교육 한 다음 predict()를 사용해야합니다. 그러나, 나는 그들의 외침 동안에 통과되는 논쟁을 이해하지 않는다. 내 말은, 내가 main()을 만들고 어떤 파라미터를 가지고 int trainSVM이라고 부르면된다.

1 코드 createTrainDataUsingBow()에

void createTrainDataUsingBow(std::vector<char*> files, cv::Mat& train, cv::Mat&  response, int label) 
{ 
    cv::Ptr<cv::DescriptorMatcher> matcher = cv::DescriptorMatcher::create("FlannBased"); 
    cv::Ptr<cv::DescriptorExtractor> extractor = new cv::SurfDescriptorExtractor(); 
    cv::BOWImgDescriptorExtractor dextract(extractor, matcher); 
    cv::SurfFeatureDetector detector(500); 

    // cluster count 
    int cluster = 100; 

    // create the object for the vocabulary. 
    cv::BOWKMeansTrainer bow(cluster,cv::TermCriteria(CV_TERMCRIT_EPS+CV_TERMCRIT_ITER, 10, FLT_EPSILON), 1, cv::KMEANS_PP_CENTERS); 

    // get SURF descriptors and add to BOW each input files 
    std::vector<char*>::const_iterator file; 
    for(file = files.begin(); file != files.end(); file++) 
    { 
     cv::Mat img = cv::imread(*file, CV_LOAD_IMAGE_GRAYSCALE); 
     std::vector<cv::KeyPoint> keypoints = detector.detect(img, keypoints); 
     cv::Mat descriptors; 
     extractor->compute(img, keypoints, descriptors); 
     if (!descriptors.empty()) bow.add(descriptors); 
    } 

    // Create the vocabulary with KMeans. 
    cv::Mat vocabulary; 
    vocabulary = bow.cluster(); 

    for(file = files.begin(); file != files.end(); file++) 
    { 
     // set training data using BOWImgDescriptorExtractor 
     dextract.setVocabulary(vocabulary); 
     std::vector<cv::KeyPoint> keypoints; 
     cv::Mat img = cv::imread(*file, CV_LOAD_IMAGE_GRAYSCALE); 
     detector.detect(img, keypoints); 
     cv::Mat desc; 
     dextract.compute(img, keypoints, desc); 
     if (!desc.empty()) 
     { 
      train.push_back(desc);   // update training data 
      response.push_back(label);  // update response data 
     } 
    } 
} 

2 코드 trainSVM()에

int trainSVM((std::vector<char*> positive, std::vector<char*> negative) 
{ 
    // create training data 
    cv::Mat train; 
    cv::Mat response; 
    createTrainDataUsingBow(positive, train, response, 1.0); 
    createTrainDataUsingBow(negative, train, response, -1.0); 

    // svm parameters 
    CvTermCriteria criteria = cvTermCriteria(CV_TERMCRIT_EPS, 1000, FLT_EPSILON); 
    CvSVMParams svm_param = CvSVMParams(CvSVM::C_SVC, CvSVM::RBF, 10.0, 8.0, 1.0, 10.0,  0.5, 0.1, NULL, criteria); 

    // train svm 
    cv::SVM svm; 
    svm.train(train, response, cv::Mat(), cv::Mat(), svm_param); 
    svm.save("svm-classifier.xml"); 

    return 0; 
} 

3 :

전체 코드는 아래와 같습니다. svmPredict() 코드

int svmPredict(const char* classifier, const char* vocaname, const char* query, const char* method) 
{ 
    // load image 
    cv::Mat img = cv::imread(query, CV_LOAD_IMAGE_GRAYSCALE); 

    // load svm 
    cv::SVM svm; 
    svm.load(classifier); 

    // declare BOWImgDescriptorExtractor 
    cv::Ptr<cv::DescriptorMatcher> matcher =  cv::DescriptorMatcher::create("FlannBased"); 
    cv::Ptr<cv::DescriptorExtractor> extractor = new cv::SurfDescriptorExtractor(); 
    cv::BOWImgDescriptorExtractor dextract(extractor, matcher); 

    // load vocabulary data 
    cv::Mat vocabulary; 
    cv::FileStorage fs(vocaname, cv::FileStorage::READ); 
    fs["vocabulary data"] >> vocabulary; 
    fs.release(); 
    if(vocabulary.empty() ) return 1; 

    // Set the vocabulary 
    dextract.setVocabulary(vocabulary); 
    std::vector<cv::KeyPoint> keypoints; 
    detector.detect(img, keypoints); 
    cv::Mat desc_bow; 
    dextract.compute(img, keypoints, desc_bow); 
    if(desc_bow.empty()) return 1; 

    // svm predict 
    float predict = svm.predict(centroids, true); 

    std::cout << predict << std::endl; 

    return 0; 
} 

Answer 1

what parameters i should call the int trainSVM.

trainSVM()는 각각 양성 및 음성 시료의 이미지 파일의 이름을 나열 두 * CHAR 벡터 걸린다. .

int trainSVM((std::vector<char*> positive, std::vector<char*> negative) 

A : 그것은 아마도 가장 긍정적 인 이미지 파일 이름의 목록이 포함 된 파일 및 네거티브에 대해 동일한을 할 것이며, 사람들을 읽을 BTW

를,이 라인에 구문 오류가 있습니다 더 큰 걱정은 데이터를 어떻게 정규화 할 것인가이며 svm_params에 적절한 값을 얻기 위해 교차 유효성 검사를 어떻게 할 것입니까?

또한 svmPredict()은 모든 테스트 케이스마다 모든 것을 다시로드하므로 매우 비효율적입니다.

작동 여부를 알기 전까지는 libsvm 명령 줄 도구를 사용하는 것이 좋습니다. createTrainDataUsingBow()의 매트 출력을 libsvm 형식으로 덤프하는 것은 간단합니다.