在训练和测试阶段应该有多少图像？支持向量机

Posted 2023-03-12

【中文标题】在训练和测试阶段应该有多少图像？支持向量机

【英文标题】：How many images should be there in the training and testing phase? LibSVM

【发布时间】：2014-04-30 09:47:39

【问题描述】：

我正在使用 PCA 和 SVM 进行人脸识别。在 matlab 中使用 libSVM 实现 SVM。我正在尝试实施一对一分类。我有三个问题。

首先： 我在第 1 类（第 1 面）中有 10 张图片，那么第 2 类应该有 60 张图片（6 张面孔中的每张有 10 张图片）？

第二： 准确性是否取决于我在两个课程中拍摄的图像数量？如果是，那么 由于第二类中的大量图像，准确率能否达到 100%（高得不合理）？

第三： 可以使用单张图片进行测试吗？

任何帮助将不胜感激。

【参考方案1】：

你在问三个问题：

(1) 编辑： 是的，正如您在 cmets 中解释的那样。如果你有 7 个类，你将训练 7 个分类器。对于每个分类器 i，您将针对个体 i 的正类图像和所有其他个体的负类图像进行训练。

您所描述的称为one-vs-all分类，它是使用基本二元分类器（例如SVM）进行多类分类的常用方法。我还要补充一点，还有其他方法用于将二元分类器扩展到多类分类，例如一对一和纠错锦标赛。

编辑#2： 让我补充一点，一对一的分类已经在 LIBSVM 中实现了，你真的不需要做任何特别的事情。您需要做的就是为训练数据中的每个类添加不同的双精度数（这样您就可以使用类 0、1、... 7）。

如果您真的想要一对一（也称为一对一），您也可以使用它。由于您似乎使用的是 MATLAB，因此有代码（它不是直接在 LIBSVM 中实现），但 LIBSVM 的作者提供了代码来实现它：direct link to FAQs

(2) 准确度取决于图像的数量。在理想条件下，您将拥有许多所有人的图像来训练。但是您可能会遇到诸如数据集不平衡之类的情况，例如，如果您使用一百万张 x 类图像和 2 个 y 类图像和 2 个 z 类图像进行训练，您将遇到问题，因为您的分类器得到一个类 x 比其他两个类更详细的视图。要进行评估，您将需要一个完整的混淆矩阵（即，对于每对类，有多少类 x 的真实对象被分类为类 y，有多少类 y 的真实对象被分类为类 x 等等）。

(3) 可以。

编辑#3：

从 LIBSVM 的作者的 cmets 看来，一对一的准确率与一对一的准确率相似，不同之处在于训练一对一的速度更快，这就是他们在系统中实现一对一的原因。

要使用 LIBSVM 训练多类模型，您可以使用 svmtrain 并仅调用一次。第 1 类是个体 1 的图像，第 2 类是个体 2 的图像，... 第 7 类是个体 7 的图像。

要进行预测，在训练模型后，您将使用 svmpredict

【讨论】：

要做一个对所有的分类，我正在训练 7 个模型。以上我所说的只是一个模型。对于第一个模型：第 1 类有第一个个体（正类）的 10 张图像，第 2 类有其他 6 个个体（负类）各有 10 张图像。所以这个模型对于个人来说将是一个积极的类别。第二个模型：第 1 类将有 10 张第二个人的图像，第 2 类将有 10 张图像，包括第一个个人在内的其余 6 个个人中的每一个。该模型将是第二个人的正类。

剩下的5个模型都会这样训练。

那么我做的对吗？在一个与所有分类中，我可以在第 1 类和第 2 类中拥有不同数量的图像？说 1 类的 10 张图像和 2 类的 60 张图像？

当我在两个类中拥有相同数量的图像但是当我在类 1 和类 2 中具有不同数量的图像时，我获得了 85% 到 98% 的所需准确度（比如在第 1 类和第 2 类中的 60 张图像），则准确度提高到 100%。即使对于测试图像不属于的某些模型，准确率也是 100%。

@Sid：只有当类 1 是个体 1 的图像时，你才调用 svmtrain 类 2 是个体 2 的图像，...类 7 是个体 7 的图像。