单词袋训练与测试opencv，matlab

为了对特定的数据集进行分类，我正在opencv中使用SIFT特性实现单词包。到目前为止，我一直致力于将描述符进行聚类并生成词汇表。正如我所知，我必须训练SVM。。。但是我有一些问题，我真的很困惑。主要问题是实施背后的概念，以下是我的问题：

1-当我提取特征并创建词汇表时，我是否要提取所有对象（比如说5个对象）的特征并将它们放在一个文件中，这样我就可以将它们放在一个包含所有单词的词汇表文件中？我以后在分类时会如何将它们分开

2-如何实现支持向量机？我知道openCV中使用的函数，但是怎么知道呢

3-我可以在MATLAB中完成这项工作，我指的是SVM训练的实现，但是是否有任何代码可以指导我完成我的工作？我看过Andrea Vedaldi使用的代码，但他每次只处理一个类和另一个问题，他没有展示如何创建他在练习中使用的.mat文件。我能找到的所有其他实现都没有使用SVM。所以，你也可以在这一点上指导

谢谢

本地特色 使用SIFT时，通常需要提取局部特征。这意味着什么？你有你的图像，从这张图像你将定位点，你将从中提取局部特征向量。局部特征向量只是一个由数值组成的向量，用于描述从中提取的图像区域的视觉信息。尽管可以从图像A中提取的局部特征向量的数量不需要与可以从图像B中提取的特征向量的数量相同，但局部特征向量的数量分量（即其维数）始终相同

现在，如果您想使用局部特征向量对图像进行分类，您会遇到一个问题。在传统的图像分类中，每幅图像都由一个全局特征向量来描述，在机器学习的背景下，它可以看作是一组数值属性。但是，当您提取一组局部特征向量时，您没有图像分类所需的每个图像的全局表示。一种可以用来解决这个问题的技术是文字袋，也称为视觉文字袋（BoW）

视觉文字袋 以下是（非常）简化的弓算法：

从图像集中提取SIFT局部特征向量

将所有这些局部特征向量放在一个集合中。此时，您甚至不需要存储从哪个图像中提取每个局部特征向量

在局部特征向量集上应用聚类算法（例如k-均值），以找到质心坐标并为每个质心分配id。这组质心将成为你的词汇表

全局特征向量将是一个直方图，用于计算每个图像中每个质心出现的次数。要计算直方图，请为每个局部特征向量找到最近的质心

图像分类 在这里，我假设您的问题如下：

您有一组带标签的图像和一组不带标签的图像作为输入 要根据其视觉效果指定标签的图像 外表。假设您的问题是对风景摄影进行分类。 图像标签可以是，例如，“山脉”、“海滩”或 “森林”

从每个图像（即其视觉单词包）中提取的全局特征向量可以看作是一组数值属性。这组数字属性表示每个图像的视觉特征和相应的图像标签，可用于训练分类器。例如，您可以使用数据挖掘软件（如）来解决您的问题，该软件实现了SVM，称为SMO

---

基本上，您只需根据设置全局特征向量和相应图像标签的格式，即基本上是一个CSV全局特征向量，后跟图像标签。

这是一篇非常好的文章，介绍了使用OpenCV v2.2进行分类的单词包模型。

关于使用普通贝叶斯分类器进行图像分类的后续文章。

还包括在Caltech-256数据集上的200行代码演示

下面是一些可以直观感受图像分类过程的信息：

---

真的帮我澄清了很多问题。我希望它能帮助别人

VLFeat库实现了SIFT for Matlab以及其他功能，它有一个优秀的代码库。这个演示在哪里？在你提到的网站上，只有siftI看到了这个问题，我面临着和你一样的麻烦。发现此链接非常有用：。它也有一个MatlabZIP文件，但它是为32位处理器构建的。答案仍然不完整。明天我会努力完成它。我在等你完成它。到目前为止，我已经完成了4个步骤中的3个，我知道我必须创建柱状图。。但是我真的需要知道更多关于分类的训练和测试部分，你到目前为止写的东西真的很令人惊讶。我很长时间都不知道你编辑了这篇文章，因为我没有收到通知，这是一个如此精彩的答案，向我说明了我脑子里有这么多问题。。。。总之，我没有什么问题要问，它们可能对我和其他人有用。这些问题，我已经做了你所说的关于直方图的内容，我创建了一个文件，其中包含一个代码本单词，它是10幅图像的SIFT特征的100*128向量，我做了100个单词，因为我想做简单的单词，然后用我的工作更新它，，，所以我的问题是，对于物体“车”，这些词我能训练它们并假设它们吗