如何在 OpenCV 和 C++ 中配置 CvSVM 以进行图像分类

Posted 2023-03-12

【中文标题】如何在 OpenCV 和 C++ 中配置 CvSVM 以进行图像分类

【英文标题】：How to configure CvSVM for image classification in OpenCV and C++

【发布时间】：2013-05-21 08:29:45

【问题描述】：

我正在使用 OpenCV LibSVM 开发一个手写字符识别系统。我已经为特征向量提取了 14 个特征，包括 Hu 矩、仿射不变矩、角数等。对于每个字符，我使用 5 个样本（对于字母“A”，有 5 种类型的 A）。我知道 5 个样本是不够的，但目前我每个角色只有 5 个样本。

我使用 opencv 文档中的基本 LINEAR SVM 示例。我的问题是，出于我的目的，我可以按原样使用该文档示例。我读过关于使用多类 SVM 的 OCR 系统。我的应用程序需要这样的多类 SVM。我不明白这一点。请问有人可以解释吗？这是我的代码。

我有 180 个数字和英文大写字母样本，一个样本有 14 个特征。

float labels[180][1] = 1.0, 2.0, 3.0, 4.0, 5.0, ,,,,, -> 180.0;
Mat matlabesls(180,1, CV_32FC1, labels);

Mat mattrainingDataMat(180, 14, CV_32FC1, ifarr_readtrainingdata);
CvSVMParams params;

params.svm_type    = CvSVM::C_SVC;
params.kernel_type = CvSVM::LINEAR;
params.term_crit   = cvTermCriteria(CV_TERMCRIT_ITER, 100, 1e-6);

CvSVM SVM;
SVM.train(mattrainingDataMat,matlabesls,Mat(),Mat(),params);

Mat matinput(1,14,CV_32FC1,ifarr_testarray);
is_recognizedcharacter= SVM.predict(matinput);

return is_recognizedcharacter;

【参考方案1】：

您的标签设置不正确。您已经定义了 180 个唯一标签，但您只有 26 类数据。标签的长度应该是 180，但它应该只包含值 1..26（任何 26 个不同的值都可以），其顺序与 mattrainingDataMat 中的字符顺序一致。

每个字母需要 5000 个样本，而不仅仅是 5 个。您可以从 MNIST 手写数字数据集开始，直到获得适当的数据。

您的代码似乎训练 svm 只识别 1 个字符。您不应该那样做，因为训练 svm 可能需要 很长 时间。您应该单独训练 svm 并保存模型，以便可以重复使用它，而不必每次都重新训练。

我的理解是 OpenCV 中的 svm 代码是基于一个 old 版本的 Libsvm。所以我只是直接使用最新版本的 libsvm 而不是 OpenCV 版本。

此外，对于您的情况，使用 RBF 内核几乎肯定会比线性内核获得更好的准确度（尽管线性更容易训练）。看起来你有 26 个类，所以你当然需要一个多类 SVM（实际上只是许多二进制 SVM）——Libsvm 会为你处理多类问题。

【讨论】：

您好，非常感谢您考虑我的问题。我将代码更改如下。我有 36 个班级（26 个字母，10 个数字）。目前我只使用 5 个样本（直到我清楚地知道）。一个类有 5 个样本，一个样本有 14 个特征。那么一个类有 70 个特征（5 * 14）。你是这个意思吗 ？？请帮助 .. '浮动标签[36][1] = 1.0, 2.0, ... -> 36.0; Mat matlabesls(36,1, CV_32FC1, labels) Mat mattrainingDataMat(36, 70, CV_32FC1, ifarr_readtrainingdata);'

如果您的数据包含“A”的 3 个示例、“C”中的 2 个和“5”中的 3 个示例的特征（按此顺序），那么您的标签将是“浮动标签”[7 ][1] =11.0, 11.0, 11.0, 13.0,13,0, 5.0, 5.0, 5.0 假设 0.0..9.0 用于标记 '0' 到 '9' 并且 11.0..35.0 用于标记 ' A'..'Z'。如果您的数据顺序混乱，则需要将标签混乱起来以匹配。标签告诉 SVM 每个数据项是一个样本。

非常感谢，我了解标签。你能告诉我多类 SVM 在这里的位置吗？我觉得，正如你所说，有 3 个 11.0 的，2 个 13.0 的……等等。这就是所谓的 MultiClass SVM 吗？？

如果你只有 2 个标签，比如 0 和 1，或者 -1 和 1，那么它将是一个二进制 svm。如果您提供超过 2 个不同的值，那么 linsvm（opencv 使用）自动 训练许多二进制 svm 并组合结果，这样您就有了一个多类分类器。实际的 svm 算法本质上是二进制的，它只是寻找一个超平面，将您的数据分成两组（理想情况下，每组中的所有标签都相同）。如果您的数据仅包含两个“A”和三个“C”，您将拥有 'float labels[5][1] =11.0, 11.0, 13.0,13.0 13.0，这将为您提供二进制 svm。

@user2151446- k 然后我将配置我的代码并观察输出。非常感谢您在我的问题中的帮助和努力。HND