opencv - 将 HOG 喂入 SVM : the HOG has 9 bins, 但 SVM 采用一维矩阵

Question

在 OpenCV 中，有一个 CvSVM 类，它接受样本矩阵来训练 SVM。矩阵是二维的，样本在行中。

我创建了自己的方法来根据视频源生成定向梯度 (HOG) 直方图。为此，我创建了一个 9 channel 矩阵来存储 HOG，其中每个 channel 对应一个方向箱。所以最后我有一个类型为 CV_32FC(9) 的 40x30 矩阵。

还为 HOG 制作了一个可视化效果，它正在运行。

我不明白我应该如何将这个矩阵输入 OpenCV SVM，因为如果我将它展平，我不明白 SVM 应该如何从 1D 输入数据学习 9D 超平面。

Answer 1

SVM 始终为每个特征向量接收一行数据。因此，特征向量的维数就是行的长度。如果您处理的是二维数据，那么每个特征向量有 2 个项目。此网页上有二维数据示例:

http://www.csie.ntu.edu.tw/~cjlin/libsvm/

OpenCV 中等效演示的代码 http://sites.google.com/site/btabibian/labbook/svmusingopencv

要点是，即使您认为直方图是具有 9 个单元格的 2D，特征向量实际上是它的扁平化版本。所以把它展平成一个长的特征向量是正确的。对我来说，结果是一个长度为 2304 (16x16x9) 的特征向量，我在一个小型测试集上获得了 100% 的预测准确率(即它可能略低于 100%，但它运行得非常好)。

之所以可行，是因为 SVM 正在处理特征向量中每一项的权重系统。所以它与问题的维度没有任何关系，超平面总是与特征向量在同一维度。另一种看待它的方法是忘记超平面，只将其视为特征向量中每个项目的一堆权重。在这种情况下，它需要为每个项目一个权重，然后将每个项目乘以其权重并输出结果。