从 Gabor 滤波器制作特征向量进行分类

Posted 2023-03-13

【中文标题】从 Gabor 滤波器制作特征向量进行分类

【英文标题】：Making feature vector from Gabor filters for classification

【发布时间】：2013-11-27 01:21:44

【问题描述】：

我的目标是对汽车类型（轿车、SUV、掀背车）进行分类，之前我使用角特征进行分类，但效果不佳，所以现在我尝试使用 Gabor 特征。

code from here

现在提取特征并假设当我将图像作为输入时，对于 5 个比例和 8 个方向，我得到 2 个 [1x40] 矩阵。

1. 40 列平方能量。

2。 40 列平均振幅。

问题是我想使用这两个矩阵进行分类，我有 3 个类别（SUV、轿车、掀背车）的大约 230 张图像。

我不知道如何创建一个 [N x 230] 矩阵，它可以被 matlab 中的神经网络用作 vInputs。（其中 N 是一张图像的总特征）。

我的问题：

如何从一张图像的 2 个 [1x40] 矩阵创建一维图像向量。（我应该将平均幅度附加到平方能量矩阵以获得 [1x80] 矩阵还是其他什么？）

我应该首先使用这些 gabor 特征来进行分类吗？如果不是那怎么办？

提前致谢

【参考方案1】：

一般来说，没有什么可考虑的——简单的神经网络需要一维特征向量并且不关心顺序，所以你可以简单地将任意数量的特征向量连接成一个（甚至以随机顺序进行——没关系）。特别是如果您有相同的特征矩阵，您还可以连接其每一行以创建矢量化格式。

唯一的例外是当您的数据实际上具有一些潜在的几何依赖性时，例如 - 矩阵实际上是一个像素矩阵。在这种情况下，像 PyraNet、卷积神经网络和其他架构，它们应用某种 基于这种二维结构的感受野 - 应该会更好。但这些实现只是接受二维特征向量作为输入。