worek słowy - klasyfikacja obraz

Question

mam pewne wątpliwości okrywać worka słów podstawie klasyfikacji obrazu, ja najpierw powiedzieć, co mam zrobić

1. mam ekstrakcji cech z obrazu szkolenia z dwoma różnymi kategorie przy użyciu metody SURF,

2. Następnie utworzyłem grupowanie funkcji dla dwóch kategorii.

3. w celu sklasyfikowania mojego obrazu testowego (tj.) Do której z dwóch kategorii należy obraz testowy. dla tego celu klasyfikacji używam klasyfikatora SVM, ale oto, co mam wątpliwości, w jaki sposób możemy wprowadzić obraz testowy, musimy zrobić ten sam krok od 1 do 2 ponownie, a następnie użyć go jako zestawu testowego lub jest tam jakikolwiek inny sposób to zrobić,

4. byłoby również wspaniale wiedzieć skuteczność podejścia łuk,

łaskawie ktoś podać mi o wyjaśnienie

Answer 1

klasyfikator potrzebuje reprezentacji dla dane testowe mają takie samo znaczenie jak dane treningowe. Tak więc, gdy oceniasz obraz testowy, wyodrębniasz funkcje, a następnie tworzysz histogram, którego słów z oryginalnego słownika są one najbliższe.

Czyli:

1. funkcje Wyciąg z całego zbioru treningowego.
2. Cluster te funkcje w słowniku V; otrzymujesz K odrębnych centrów klastra.
3. Zakoduj każdy obraz treningowy jako histogram liczby wyświetleń każdego elementu słownika na obrazie. Każdy obraz jest następnie reprezentowany przez wektor długości-K.
4. Trenuj klasyfikatora.
5. Po podaniu obrazu testowego wyodrębnij funkcje. Teraz przedstawia obraz testowy jako histogram liczby razy, gdy każdy ośrodek skupienia z V był najbliższy funkcji w obrazie testowym. Jest to ponownie wektor K o długości.

Często pomocne jest również zdyskwalifikowanie histogramów przez wzięcie pierwiastka kwadratowego z wpisów. To approximates a more realistic model dla funkcji obrazu.