为啥使用 SVM 线性内核的代码不能使用 RBF

Posted 2023-03-12

【中文标题】为啥使用 SVM 线性内核的代码不能使用 RBF

【英文标题】：Why working code with SVM Linear Kernel not working with RBF为什么使用 SVM 线性内核的代码不能使用 RBF

【发布时间】：2019-12-19 10:05:18

【问题描述】：

当我使用 SVM 的 trainAuto 方法时，我得到 getKernelType() 的值 2，但是当我在代码中使用 RBF 时，它会训练我的文件并输出 XML 文件。

svm = cv2.ml.SVM_create()
svm.setType(cv2.ml.SVM_C_SVC)
svm.setKernel(cv2.ml.SVM_RBF)
svm.setGamma(0.0025)
svm.setC(0.5)
svm.train(samples, cv2.ml.ROW_SAMPLE, labels)
svm.save('svm_data.xml')

以上代码对我有用。但是当我用下面的代码移动到预测部分时

hog = cv2.HOGDescriptor((100,200), (16,16), (8,8), (8,8), 9)
svm = cv2.ml.SVM_load('svm_data.xml')
sv = svm.getSupportVectors()
rho, alpha, svidx = svm.getDecisionFunction(0)
svm_new = np.append(sv, -rho)
hog.setSVMDetector(svm_new)

显示低于错误

error: (-215:Assertion failed) checkDetectorSize() in function 'cv::HOGDescriptor::setSVMDetector'

但是当我用 LINEAR 更改 RBF 时它在预测部分对我有用。

当我检查时

print (hog.checkDetectorSize())
print (hog.getDescriptorSize())

它返回 True 用于 DetectorSize 和 26676 用于 DescriptorSize

【参考方案1】：

OpenCV 无法接受线性内核以外的 SVM。

首先，official documentation 说：

setSVMDetector()

virtual void cv::HOGDescriptor::setSVMDetector (InputArray _svmdetector)

参数

线性 SVM 分类器的

_svmdetector 系数。

很明显，您只将 SVM 的系数（作为单个数组）传递给 HOGDescriptor，而不是 种类（最常见的是线性、RBF 和多项式）和/或特定于它的参数（多项式的次数或 RBF 的伽马）。所以底层的 OpenCV 检测器无法确定内核的种类。而且它不必这样做，因为唯一实现的就是线性的。

此外，请阅读this 和this 问题。

【讨论】：

但是线性给出的结果并不好用 HOG 虽然它应该是

这意味着我必须将svm.setType(cv2.ml.SVM_C_SVC) 更改为Regression with Linear SVM？ SVM.C_SVR_EPS ?

我不认为回归/分类模式对这里的结果有一些影响。这是结果解释的问题：在一种情况下，您与决策线保持距离，在另一种情况下，您只对它的符号感兴趣。在这两种情况下，阿尔法都是相同的。你可以尝试改变它，但我怀疑它会改变什么。至于性能低下，请确保您在 HOG 描述符上进行训练，而不是在原始图像上进行训练 see example

This 是我使用 HOG 进行训练的方式，这是最***的代码