LIBSVM 如何准备带有图像的训练数据集以进行徽标检测？

Posted 2023-03-12

【中文标题】LIBSVM 如何准备带有图像的训练数据集以进行徽标检测？

【英文标题】：LIBSVM how to prepare training dataset with images for logo detection?

【发布时间】：2013-07-25 20:51:26

【问题描述】：

任务： 我有更多从视频（视频帧）中拍摄的 10 万张图像，我需要从我的列表中分类哪些图像具有徽标。

问题： 我创建了一个徽标图像库。对于分类任务，我将使用 LIBSVM。我需要将图像转换为 SVM 数据集的格式。我已经阅读了 LIBSVM 网站上的资料、常见问题解答和“支持向量分类的实用指南”。 但我仍然找不到如何为 LIBSVM 训练准备数据/图像的答案。我将不胜感激。

【参考方案1】：

您需要使用您选择的可根据图像计算的特征集对数据进行矢量化处理。我不会在这里详细说明所有细节，因为它会占用方式太多空间并且对于 SO 来说是题外话。

简而言之，矢量化的最佳方式很大程度上取决于您要检测的形状（例如徽标）。除其他外，几乎一直使用霍夫变换，因此您可能需要研究一下。

其次，目标检测通常是通过对每个图像的许多平移/缩放/旋转运行一组分类器来执行的。在这种情况下，您希望使用运行时复杂度非常低的分类器。通常使用线性核和交叉核。 LIBSVM 不提供交叉核，但您可以自己计算它们。出于复杂性的原因，使用 LIBLINEAR 可能更有趣，它显式构造分离超平面，因此预测的复杂度要低得多。

【讨论】：

马克，你能澄清一下你的意思是什么霍夫变换吗？是 GHT 吗？

我也很想了解训练数据/测试数据格式的外观以及制作方法。 “霍夫变换”是否可以为我们制作 libsvm 数据格式？以及如何？

@RomanPodlinov：这里是有关使用霍夫变换的参考：S。马吉和 J. 马利克。使用最大边距霍夫变换的对象检测。在计算机视觉和模式识别 (CVPR)，2009。 OSIFY：霍夫变换是一种数学变换，它不会改变数据格式。