표준 베이 즈 분류기를 사용하여 객체 분류에 sift를 사용하려고합니다. 가변 크기의 각 이미지에 대한 설명자를 계산할 때 크기가 다른 여러 가지 특징 벡터가 나타납니다. 예 :Opencv Sift의 특징 벡터 크기
Feature Size: [128 x 39]
Feature Size: [128 x 54]
Feature Size: [128 x 69]
Feature Size: [128 x 64]
Feature Size: [128 x 14]
개발의 경우 20 개의 교육 이미지를 사용하고 있으므로 20 개의 라벨이 있습니다. 내 분류는 차, 책 및 공을 포함하는 3 개 수업 중 하나입니다. 그래서 내 레이블 벡터 크기는 [1 x 20]
내가 이해하는 한 기계 학습을 수행하려면 특성 벡터 크기와 레이블 벡터 크기가 같아야하므로 훈련 데이터의 벡터 크기를 [__ x 20]이고 레이블은 [1 x 20]입니다.
그러나 내 문제는 선별에는 128 차원 특성 공간이 있으므로 위에서 설명한 것처럼 각 이미지의 피쳐 크기가 다릅니다. 기능을 잃지 않고 같은 크기로 변환하려면 어떻게해야합니까? 또는 아마도 내가 잘못했을 수도 있으므로이 부분을 도와주세요.
추신 : 실제 나는 BOW 모델을 사용하여 작업을 수행했지만 학습 목적으로는이 점을 이해하기 위해 노력하고 있습니다. 아무런 힌트와 조언도 환영합니다. 감사합니다
감사합니다. 실제로 저는 과제를 수행하고 BOW를 사용했고 잘 작동합니다. 그러나 나는 이미지를 분류하는 다른 방법을 시도하고 있다는 것에 너무 흥미를 느꼈다. BOW 모델을 사용하지 않고 분류하려고하고 있으므로 어떻게 훈련 매트릭스를 할당 할 수 있을지 궁금합니다. 행렬을 [128 x Y]에서 [1 x Y]로 변경한다고 생각하십니까? 이것은 내가 벡터의 한 차원만을 사용한다는 것을 의미합니다. 이거 어떻게 생각하니? – rish
[1 x Y] 행렬은 의미가 없습니다. 실제적으로 당신은 개별 SIFT 피쳐 [128 x 1]를 사용하여 Y를 다른 이미지로부터 추출 된 SIFT와 비교할 수 있습니다. – Eric
죄송합니다 실제로 그것이 의미하는 것입니다 .. 고마워요. – rish