从 Gabor 滤波器制作特征向量进行分类

Posted

技术标签:

【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

【问题讨论】:

【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。

【讨论】:

以上是关于从 Gabor 滤波器制作特征向量进行分类的主要内容,如果未能解决你的问题,请参考以下文章

多模态特征融合:图像语音文本如何转为特征向量并进行分类

python实现gabor滤波器提取纹理特征 提取指静脉纹理特征 指静脉切割代码

从keras中的扩展张量制作输入特征图

Gabor滤波器与特征提取

自然语言处理——将文本特征转换为特征向量

SVM:向从图像中提取的特征向量添加临床特征