用训练图像的可变大小hog描述符训练SVM(MATLAB)
我正在尝试使用HoG+SVM将对象分类为不同的类别。问题在于训练图像的维度不同。因此,结果HoG描述符的长度是可变的。我已将所有训练图像的特征提取到一个单元格中。单元的每个元素i是数据集中图像i的HoG描述符向量。我的问题是,如何使其与训练SVM分类器兼容(使用svmtrain函数)?SVM不能用可变长度向量训练。您必须使用某种转换,将数据映射为恒定长度表示。例如,您可以执行众所周知的降维技术。正如lejlot正确提到的,SVM无法使用可变长度向量进行训练 您只需将图像大小规格化为一,即256x256。有3种可能性可以做到这一点:用训练图像的可变大小hog描述符训练SVM(MATLAB),matlab,machine-learning,computer-vision,svm,matlab-cvst,Matlab,Machine Learning,Computer Vision,Svm,Matlab Cvst,我正在尝试使用HoG+SVM将对象分类为不同的类别。问题在于训练图像的维度不同。因此,结果HoG描述符的长度是可变的。我已将所有训练图像的特征提取到一个单元格中。单元的每个元素i是数据集中图像i的HoG描述符向量。我的问题是,如何使其与训练SVM分类器兼容(使用svmtrain函数)?SVM不能用可变长度向量训练。您必须使用某种转换,将数据映射为恒定长度表示。例如,您可以执行众所周知的降维技术。正如lejlot正确提到的,SVM无法使用可变长度向量进行训练 您只需将图像大小规格化为一,即256x
所有变体都由不同的作者使用,您必须检查哪一个最适合您的任务。除了降维之外,您对如何处理此问题有何想法?谢谢老ufo,这非常有用。我现在就试试这个。