将 LibSVM 输出转换为浮点向量

Posted 2023-03-12

【中文标题】将 LibSVM 输出转换为浮点向量

【英文标题】：Convert LibSVM output to vector of floats

【发布时间】：2013-10-06 00:33:33

【问题描述】：

我需要形成HOGDescriptor::setSVMDetector() 输入。

我使用 openCV 计算描述符，然后使用 libSVM 获取模型文件。 要形成输入，我知道我需要获取支持向量的值并使用 alpha 对它们进行元素 mul（然后在末尾添加 -rho），但是 我不知道从哪里获得这些 alpha。

我有一个 SV 列表，例如：

1 1:-0.0434783 2:0.153846 3:0.194444 4:-0.353712 5:-0.45054
1 1:-0.2173916 2:-0.38461 3:0.222262 4:-0.676686 5:-0.78062

但是从哪里获得 alphas？

【参考方案1】：

好的，现在事情似乎很清楚了。 在我的例子中，Alpha 是第一列。 由于在我的测试模型中它们都等于 -1 或 1（不知道为什么），我认为这些是标签。

无论如何，这是我的解析器（但您只需要在文件中保留 SV）：

std::ifstream ifs("cars_model.model");

    const int nsv = 90;
    const int nfeatures = 144;

    float rho = 12.5459;

    char ts[4000] = ""; // !

    std::vector<float> res(nfeatures,0);

    std::vector<float> alphas;

    Mat_<float> temp(nsv, nfeatures);

    int c = 0;

    std::cout << "Loading model file...\n";

    for (int i=0; i<nsv; i++) 

        float al = 0;
        ifs >> al;
        alphas.push_back(al);

        for (int j=0; j<nfeatures; j++) 

            float ind, s;
            char junk;

            ifs >> ind >> junk >> s;

            temp.at<float>(c, j) = s;

            //std::cout << f << ' ' << s << '\n';

        

        c++;

    

    ifs.close();

    std::cout << "Computing primal form...\n";

    for (int i=0; i<nsv; i++) 

        float alpha = alphas[i];

        for (int j=0; j<nfeatures; j++) 
            res[j] += (temp.at<float>(i,j) * alpha);
        

    

    //res.push_back(-rho);

    std::ofstream ofs("primal.txt");

    for (int i=0; i<res.size(); i++)
        ofs << res[i] << ' ';

    ofs.close();

你知道，它有效。您可以将 rho 设置为检测器的阈值。

【参考方案2】：

但是为什么要“手动”分类呢？ OpenCv has a classification routine 调用 predict，它使用找到的 SVs' 和 alphas'

float response = SVM.predict(sampleMat);

如果你真的想自己做，你不仅需要 SV 和 alpha，还需要一个用于训练和计算的核函数

SUM alpha_i K( support_vector_i , data_point ) - rho

我不确定是否可以在不扩展 SVM 类的情况下“手动”提取 alpha，正如在 sources 中看到的那样 - alpha 存储在 CvSVMDecisionFunc 结构中：

struct CvSVMDecisionFunc

    double rho;
    int sv_count;
    double* alpha;
    int* sv_index;
;

而对这个结构的唯一引用是在protected 部分：

protected:

    (...)

    CvSVMDecisionFunc* decision_func;

从svm.cpp 的源代码我们可以发现，它只能通过save 例程公开访问。所以一些“hack”是保存模型并从那里提取 alpha（它将位于“决策函数”部分，以人类可读的格式编写）。

最简单的提取技术似乎扩展CvSVM 类并包含类似方法

public:

    CvSVMDecisionFunc* get_decision_function()  return decision_func; 

更新

经过澄清，OP 实际上是在尝试在 opencv 中使用外部训练模型 - 最简单的方法是将由其他方法（libsvm、linearsvm 等）创建的 libsvm 模型转换为 opencv 兼容格式并使用read 加载它方法

void CvSVM::read( CvFileStorage* fs, CvFileNode* svm_node )

see source for more details.

【讨论】：

据我了解，您可以使用 .predict()，但您必须为它提供一个已经计算的 HOG，以获得与您训练 CvSVM 的完全相同大小的图像，这很不方便。如果您想使用扫描给定图像并返回一个点数组的例程，并在其中找到答案，您应该使用 .detectMultiScale()。

我不太明白你的评论。 SVM 将总是要求与训练中使用的输入大小完全相同。不管你是提取 alpha 还是使用 predict 方法，它的工作方式都是一样的。

好吧，首先，我决定不使用openCV进行训练，因为我查了很多资料，有人说最好使用svmlight或libsvm，所以我不能使用CvSVMDecisionFunc。我要谈论的第二件事是，detectMultiScale() 获取任意大小的图像，并为您完成所有工作，在图像的每个点计算 HOG，并返回匹配点。我说的对吗？

因此您可以简单地将使用 libsvm 或 svmlight 训练的 SVM 模型转换为 opencv 可以使用 read 方法读取的格式。虽然有人可以说，它的训练过程有些故障（？）分类过程是正确实现的，所以只需从外部源加载模型并使用 CvSVM 对象作为你的 detectMultiScale() 的检测器。

哦，谢谢，我不知道 .read()。顺便说一句，我现在弄清楚了一些事情，所以我将发布我的解析器代码，并尝试您的方法，然后比较结果。