OpenCV--SVM多分类问题

                                        <div class="markdown_views"><p>物体识别中经常遇到多分类器问题，svm是比较成熟和直接的想法。一般来说使用svm作为多分类器主要有以下思路：</p>

一对多(one-vs-all)。训练时依次将目标类别作为正样本，其余样本作为负样本，以此训练n个svm。这个在Andrew Ng的Machine leaning的课上介绍过。
缺点：因为训练集是1：N的情况，存在较大的bias，不是特别实用。
一对一(one-vs-one)。训练时，任意两类样本之间训练一个svm，则n类别，训练出(n-1)n/2个svm。在runtime时，对一个未知样本分类，则使用投票的法方法。libsvm即使用的该种方法。
缺点：类别多的时候，(n-1)n/2个支持向量机，计算代价大。
层次支持向量机。首先将所有类别分类为两个子类，再将子类进一步划分为两个子类，直到单独子类为止。好像一棵树耶。具体请参考：刘志刚, 李德仁, 秦前清, 等. 支持向量机在多类分类问题中的推广[J]. 2004.
DAG-SVMS。由Platt提出的决策导向的循环图DDAG导出的,是针对“一对一”SVMS存在误分、拒分现象提出的。请参考论文

简单示例

#include <opencv2/core.hpp>

#include <opencv2/imgproc.hpp> #include "opencv2/imgcodecs.hpp" #include <opencv2/highgui.hpp> #include <opencv2/ml.hpp> using namespace cv; using namespace cv::ml; Vec3b getRandomColor(){ RNG rng(clock()); return Vec3b(rng.next() % 255, rng.next() % 255, rng.next() % 255); } int main( int, char **) { // Data for visual representation int width = 512, height = 512; Mat image = Mat::zeros(height, width, CV_8UC3); // Set up training data int labels[ 4] = { 1, 2, 3, 4}; float trainingData[ 4][ 2] = { { 100, 10}, { 10, 500}, { 500, 10}, { 500, 500} }; Mat trainingDataMat( 4, 2, CV_32FC1, trainingData); Mat labelsMat( 4, 1, CV_32SC1, labels); // Train the SVM //! [init] Ptr<SVM> svm = SVM::create(); svm->setType(SVM::C_SVC); svm->setKernel(SVM::POLY); svm->setDegree( 1.0); svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, 100, 1e-6)); //! [init] //! [train] // svm->train(trainingDataMat, ROW_SAMPLE, labelsMat); // Ptr<TrainData> auto_train_data = TrainData::create(trainingDataMat, ROW_SAMPLE, labelsMat); // svm->trainAuto(auto_train_data); svm->train(trainingDataMat, ROW_SAMPLE, labelsMat); //! [train] // Show the decision regions given by the SVM //! [show] Vec3b green( 0, 255, 0), blue ( 255, 0, 0), red( 0, 0, 255),yellow( 0, 255, 255); for ( int i = 0; i < image.rows; ++i){ for ( int j = 0; j < image.cols; ++j){ Mat sampleMat = (Mat_< float>( 1, 2) << j,i); float response = svm->predict(sampleMat); double ratio = 0.5; if (response == 1) image.at<Vec3b>(i,j) = green *ratio; else if (response == 2) image.at<Vec3b>(i,j) = blue *ratio; else if(response == 3){ image.at<Vec3b>(i,j) = red *ratio; } else if(response == 4){ image.at<Vec3b>(i,j) = yellow *ratio; } } } int thickness = - 1; int lineType = 8; circle( image, Point( 100, 10), 5, Scalar( 0, 255, 0), thickness, lineType ); circle( image, Point( 10, 500), 5, Scalar( 255, 0, 0), thickness, lineType ); circle( image, Point( 500, 10), 5, Scalar( 0, 0, 255), thickness, lineType ); circle( image, Point( 500, 500), 5, Scalar( 0, 255, 255), thickness, lineType ); thickness = 2; lineType = 8; Mat sv = svm->getSupportVectors(); std::cout << sv << std::endl; for ( int i = 0; i < sv.rows; ++i){ const float* v = sv.ptr< float>(i); circle( image, Point( ( int) v[ 0], ( int) v[ 1]), 6, CV_RGB( 128, 128, 128), 2); } imwrite( "result.png", image); // save the image imshow( "SVM Simple Example", image); // show it to the user waitKey( 0); }

效果：

注意点：
使用RBF核或者使用autotrain，参数选择十分重要。不行你试试哟！！！

OpenCV--SVM多分类问题相关推荐

OpenCV+SVM简单应用-------路面箭头分类
OpenCV+SVM简单应用-------路面箭头分类博客分类: openCV C++ 机器学习 openCV,图像处理问题内容:路面箭头检测与识别(该部分主要介绍基于SVM的分类,也就是识别,检 ...
详细的基于opencv svm hog的描述讲解
(转自http://blog.csdn.net/zhazhiqiang/ 未经允许请勿用于商业用途) 一.理论 1.HOG特征描述子的定义: locally normalised histogram ...
SVM+二分类+多分类
SVM+二分类+多分类 SVM本身是一个二值分类器,SVM算法最初是为二值分类问题设计的,当处理多类问题时,就需要构造合适的多类分类器. 目前,构造SVM多类分类器的方法主要有两类,直接法.间接法. ...
MAT之SVM：SVM之分类预测根据已有大量数据集案例，输入已有病例的特征向量实现乳腺癌诊断高准确率预测
MAT之SVM:SVM之分类预测根据已有大量数据集案例,输入已有病例的特征向量实现乳腺癌诊断高准确率预测目录输出结果代码设计输出结果代码设计 load BreastTissue_data.m ...
OpenCV SVM支持向量机和KNearest数字识别的实例(附完整代码)
OpenCV SVM支持向量机和KNearest数字识别的实例 OpenCV SVM支持向量机和KNearest数字识别的实例 OpenCV SVM支持向量机和KNearest数字识别的实例 #inc ...
OpenCV转换PyTorch分类模型并使用OpenCV C ++启动
OpenCV转换PyTorch分类模型并使用OpenCV C ++启动转换PyTorch分类模型并使用OpenCV C ++启动目标简介要求实践模型转换管道推理管道转换PyTorch分 ...
OpenCV转换PyTorch分类模型并使用OpenCV Python启动
OpenCV转换PyTorch分类模型并使用OpenCV Python启动转换PyTorch分类模型并使用OpenCV Python启动目标介绍要求实践模型转换管道模型评估评估模式测 ...
机器学习：SVM多分类，SVM回归（SVR)
文章目录分类和回归的关系: 多分类问题处理的普适的方法: 一对多(One VS Rest): 一对一(One vs One): 有向无环图方法(Directed Acyclic Graph Meth ...
[Python从零到壹] 十四.机器学习之分类算法五万字总结全网首发（决策树、KNN、SVM、分类对比实验）
欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...
机器学习（二十一）——Optimizer, 单分类SVM多分类SVM, 时间序列分析
http://antkillerfarm.github.io/ Optimizer 在<机器学习(一)>中,我们已经指出梯度下降是解决凸优化问题的一般方法.而如何更有效率的梯度下降,就是本 ...

OpenCV--SVM多分类问题

简单示例

OpenCV--SVM多分类问题相关推荐

最新文章

热门文章