opencv - OpenCV SVM训练数据集-6ren

opencv - OpenCV SVM训练数据集

转载作者：行者123 更新时间：2023-12-02 16:49:44

26

4

可以说我有一个约350个正图像和400多个负图像的数据集。它们的大小不一样。而且它们的尺寸大于640x320。

我应该怎么做才能创建更好的数据集？我需要缩小图像吗？如果是，为什么？

我应该对数据集进行一些归一化吗？应该是什么(对比度，降噪)？

是否可以使用现有数据集创建更大的数据集？如果是，怎么办？

提前致谢!

最佳答案

图像的最佳大小是，您可以轻松地通过以下方式对对象进行分类
你自己

是的，归一化后分类器效果更好，有
选项。最受欢迎的方法是中心数据集(均值减去)并归一化
值在[-1:1]范围内。其他流行的标准化方法与以前类似，但标准化标准差(在大多数情况下更可取)。

是的，您可以通过添加以下内容从现有数据集创建更大的数据集
现有数据集中的图像失真和噪点。

关于opencv - OpenCV SVM训练数据集，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/30559046/

26

4

0

文章推荐： python - 无法解包的值太多/需要至少3个值-OpenCV-Python

文章推荐： opencv - Yocto Linux上的OpenCV

文章推荐： python - opencv python错误:断言失败(size.width> 0 && size.height> 0)

文章推荐： python - 减小已保存视频的大小/分辨率

svm - 您如何处理 SVM 中的数据不平衡？
如果我在 lrge 训练集上训练 SVM，并且类变量是 True 或 False，那么与训练集中的 False 值数量相比，True 值很少会影响训练模型/结果吗？他们应该平等吗？如果我的训练集的 T
svm - 一类 SVM libSVM
假设我的特征向量是 (x1, x2, ...xn) 谁能给我一个代码来使用 libSVM 训练一类 SVM？我应该如何使用交叉验证来学习参数。最佳答案这可能会帮助你 label=ones(Num
svm - 计算 SVM 的边距和偏差
我提前为这个问题的新颖性道歉，但我被卡住了。我正在尝试解决这个问题，我可以做第 i)-1v) 部分，但我卡在了 v 上。我知道计算余量 y，你可以 y=2/||W|| 而且我知道W是超平面的法线，只
R - Hadoop - rmr2 - SVM 模型 - 将结果 "list"类转换为原始类 "svm.formula" "svm"
我有以下 R 配置: 操作系统:LinuxR 版本 3.0.1 (2013-05-16)rmr2 版本 2.2.1rhdfs 版本 1.0.6hadoop 版本 1.2.0 如何使用带 rmr2 包的
svm - 训练 SVM 分类器(词嵌入与句子嵌入)
我想尝试不同的嵌入，例如 Word2Vec、ELMo 和 BERT，但我有点困惑是使用词嵌入还是句子嵌入，以及为什么。我将嵌入用作 SVM 分类器的特征输入。谢谢。最佳答案虽然这两种方法都可以证
svm - 如何使用 SVM 和 KNN 对文本文档进行分类
几乎所有的例子都是基于数字的。在文本文档中，我有文字而不是数字。那么你能告诉我如何使用这些算法进行文本文档分类的简单示例吗？我不需要代码示例，只需要逻辑伪代码将有很大帮助最佳答案常用的方法是
svm - 需要 SVM 实现或 Java 库
关闭。这个问题不符合Stack Overflow guidelines .它目前不接受答案。我们不允许提问寻求书籍、工具、软件库等的推荐。您可以编辑问题，以便用事实和引用来回答。关闭 3 年前。
svm - 如何使用 mfcc 功能训练 svm 分类器进行语音识别？
我目前正处于语音识别的讨论阶段项目，我使用MFCC特征提取，但是从函数返回的MFCC特征是一个矩阵，例如每个语音文件(wav)的(20,38)特征矩阵。但是我如何将此功能传递给 SVM 分类器。对于
svm - 使用 SIFT 特征训练 SVM 分类器
请我喜欢用 SIFT DESCRIPTOR 和 SVM 将一组图像分类为 4 类。现在，使用 SIFT 提取器，我得到了不同大小的关键点，例如 img1 有 100 个关键点，img2 有 55 个关
machine-learning - 一类 SVM 概率估计以及一类 SVM 与聚类有何不同
我有一组图像。我想学习一类支持向量机(OC-SVM)来模拟特定类(正)的分布，因为我没有足够的例子来代表其他类(负)。我对 OC-SVM 的理解是，它试图将数据与源分离，换句话说，它试图学习一个超球体
python - SVM 实现，scikit 学习减少运行时间，最快的 svm
我正在使用 scikit-learn 使用 SVM 构建一些预测模型。我有一个包含大约 5000 个示例和大约 700 个特征的数据集。我在我的训练集上使用 18x17 网格搜索进行 5 折交叉验证，
machine-learning - 在扩展特征空间中，核 SVM 与线性 SVM 相比有哪些缺点？
这是我考试时提出的问题。我给出了以下答案，我的得分是0分。教授甚至不同意给予任何部分的认可，也没有告诉我我的答案有什么问题。谁能帮我找出我的答案有什么问题吗？这是我在考试中给出的答案。缺点是:1)
r - 调整 R 中的 svm 参数(线性 SVM 内核)
tune.svm() 和 best.svm() 有什么区别。当我们调整 svm 内核的参数时，我们不希望总是为我们的模型选择最佳值。请原谅，因为我是 R 和机器学习的新手。我注意到在调整 svm
OpenCV + HOG +SVM : help needed with SVM single feature vector
我尝试使用 OpenCV2.3 实现基于 SVM 和 HOG 的人员检测系统。但是我卡住了。我走到这一步:我可以从图像数据库计算 HOG 值，然后我用 LIBSVM 计算 SVM 向量，所以我得到例
hadoop - 最近 SVM 实现被添加到 Mahout 中，我打算使用 SVM。有人尝试过吗？
Mahout(机器)中围绕 SVM(支持向量机)的任何新发展Learning With Hadoop) 使用 Hadoop？最近 SVM 实现被添加到 Mahout 中。我打算使用 SVM。有人尝试过
python - 为什么sklearn.svm.SVC.predict()和sklearn.svm.SVC.predict_proba()的结果不一致？
我使用 sklearn.svm.SVC 构建支持向量分类器，如下所示。 import numpy as np from sklearn.svm import SVC svc=SVC(proba
scikit-learn - 如何用 epochs 训练 sklearn svm 模型(sklearn.svm.SVC)？
我想看看模型是否收敛于我的交叉验证。我如何增加或减少 sklearn.svm.SVC 中的时代？目前: SVM_Model = SVC(gamma='auto') SVM_Model.fit(X_t
machine-learning - 为什么 1-范数 SVM 比 2-范数 SVM 更稀疏？
与在 SVM 的相同成本函数中使用 2-范数权重相比，我们如何通过在成本函数中使用 1-范数权重来提高稀疏性。对于 1-范数:成本函数 - 最小化 ||w||_1 对于 2-范数:成本函数 - 最小
c++ - 使用 cpp 程序中的 svm-train.c 和 svm-predict.c
事实上，我不是一个经验丰富的 C++ 程序员，我是一个 C# 程序员，正如你所知道的，它有很大的不同，根据我的机器学习经验，我只使用了 matlab，所以如果我有一些，请原谅概念错误。我正在尝试在
opencv - 使用 svm load 加载保存的文件时，在 openCV 中使用 svm predict 函数时出错
我正在尝试使用 OpenCV 中的 SVM 加载函数加载 .xml 文件，然后使用预测函数对交通标志进行分类。当到达预测函数的执行时抛出错误: Unhandled exception at 0x000

首页

博学

6Ren·AI

商城

opencv - OpenCV SVM训练数据集