machine-learning - 词袋 - 图像分类

Question

我对基于词袋的图像分类有一些疑问，我首先会告诉我我做了什么

1. 我使用SURF方法从两个不同类别的训练图像中提取了特征，

2. 然后我对这两个类别的特征进行了聚类。

3. 为了对我的测试图像进​​行分类(即测试图像属于两个类别中的哪一个)。为了这个分类目的，我使用 SVM 分类器，但我有一个疑问，我们如何输入测试图像，我们是否必须再次执行从 1 到 2 的相同步骤，然后将其用作测试集？任何其他方法，

4. 了解弓法的效率也很高兴，

请有人给我澄清一下

Answer 1

分类器需要测试数据的表示与训练数据具有相同的含义。因此，当您评估测试图像时，您可以提取特征，然后制作与原始词汇表中最接近的单词的直方图。

即:

1. 从整个训练集中提取特征。
2. 将这些特征聚类到词汇表 V 中；你得到 K 个不同的聚类中心。
3. 将每个训练图像编码为每个词汇元素在图像中出现的次数的直方图。然后，每个图像都由长度为 K 的向量表示。
4. 训练分类器。
5. 当给定测试图像时，提取特征。现在将测试图像表示为 V 中每个聚类中心最接近测试图像中的特征的次数的直方图。这又是一个长度为 K 的向量。

通过取条目的平方根来折扣直方图通常也很有帮助。这个approximates a more realistic model用于图像特征。