machine-learning - 如何使用 BOW 选择合适的正负训练图像集进行图像分类

Question

我正在尝试使用 SVM 分类和 BoW 聚类算法实现实时对象分类程序。我的问题是选择正面和负面训练图像的良好做法是什么？

正面图像集

• 背景应该为空吗？ 意思是，图像应该只包含感兴趣的对象吗？当实时实现该算法时，测试图像将不仅仅包含感兴趣的对象，它肯定还会包含一些来自背景的信息。 那么我应该选择看起来与测试图像更相似的图像，而不是使用孤立的图像集合吗？

负片图像集

• 这些可以是没有感兴趣对象的任何图像集吗？或者它们应该来自要在没有感兴趣对象的情况下测试该算法的环境？ 例如，如果我要对客厅环境中的手机进行分类，底片是否应该是我的客厅环境的背景图像集，而手机不在前景中？或者它可以是任何图像集？ (例如厨房、客厅、卧室或室外图像)我问这个是因为，我不希望系统针对特定环境。在任何环境(室内和室外)下都必须坚固耐用

谢谢。非常感谢任何帮助或建议。

Answer 1

正面图像集

是的，您绝对应该选择看起来与测试图像更相似的图像。

负片图像集

它可以是任何图像集，但是最好包含来自将要测试该算法的环境中的图像，而没有感兴趣的对象。

一般

请阅读我的answer对于其他一些问题，这会很有用。评论中继续讨论，因此这也可能有用。