matlab - 从 Gabor 滤波器制作特征向量进行分类

Question

我的目标是对汽车类型(轿车、SUV、掀背车)进行分类，之前我使用角特征进行分类，但效果不太好，所以现在我正在尝试 Gabor 特征。

code from here

现在提取特征，假设当我给出图像作为输入时，对于 5 个尺度和 8 个方向，我得到 2 个 [1x40] 矩阵。

<强>1。 40 列平方能量。

<强>2。 40 列平均振幅。

问题是我想使用这两个矩阵进行分类，并且我有 3 个类别(SUV、轿车、掀背车)的大约 230 张图像。

我不知道如何创建一个[N x 230]矩阵，该矩阵可以被matlab中的神经网络作为vInputs。(其中N是一张图像的总特征)。

我的问题:

1. 如何从一幅图像的 2 个 [1x40] 矩阵创建一维图像向量。(我应该将平均振幅附加到平方能量矩阵以获得 [1x80] 矩阵还是其他矩阵？)

2. 我应该首先使用这些 gabor 特征来进行分类吗？如果不是那又怎样？

提前致谢

Answer 1

一般来说，没有什么需要考虑的 - 简单的神经网络需要一维特征向量并且不关心顺序，因此你可以简单地将任意数量的特征向量连接成一个(甚至以随机顺序进行 -不要紧)。特别是如果您具有相同的特征矩阵，您还可以连接其每一行以创建矢量化格式。

唯一的异常(exception)是当您的数据实际上具有一些潜在的几何依赖性时，例如 - 矩阵实际上是像素矩阵。在这种情况下，PyraNet、卷积神经网络等架构(它们基于基于这种二维结构应用某种感受野)应该会更好。但这些实现仅接受 2d 特征向量作为输入。