哪个分类器更适合扫描图像？

Posted 2023-03-13

【中文标题】哪个分类器更适合扫描图像？

【英文标题】：which classifier would be better for scanned images?

【发布时间】：2014-03-26 11:57:53

【问题描述】：

我目前正在处理 500 张扫描图像，并对它们进行了特征提取，并且我正在使用获得的偏移值对图像进行分类。我尝试使用 k 最近邻分类器并想知道我是否以正确的方式进行？我的主要目标是对图像进行分类

任何帮助将不胜感激...谢谢

【参考方案1】：

有很多方法可以对图像进行分类。大多数时候我分三步完成：

预处理（去噪、纠偏等） 提取特征（颜色、形状、纹理、SIFT 等） 进行分类（kNN、SVM、神经网络...）

根据图像的内容（自然图像、生物图像、文档图像等），您必须选择特征，然后根据必须选择分类器的特征。

请注意，监督分类需要一些示例才能学习。

【讨论】：

谢谢...我已经完成了特征提取，我想知道哪个分类器可以为扫描图像提供更高的准确度。也就是说，测量准确度的最佳方法是什么跨度>

为了衡量分类器的性能，您应该使用诸如 precision and recall 或 F-score 之类的指标，这是召回率和精度的组合。然后，您应该使用不同的分类器（例如具有不同 k 和 SVM 的 kNN）来衡量您的性能并选择最佳分类器。

【参考方案2】：

KNN 是解决方案之一。

您的分类项目的目标是什么？例如：您需要非常高的准确率或召回率吗？您需要有监督还是无监督的解决方案。

一旦你设定了目标，你就可以进行一些相关的特征工程并选择正确的算法。