OpenCV kmean：如何为 COUNT 和 EPS 选择合适的值？

Question

我正在尝试使用 OpenCV 中的 kmean 函数将 36000 个样本图像预分类为 100 多个类（以减少我为监督学习准备训练数据的工作）。在这个函数中有两个我不太了解的参数：cv::TermCriteria::EPS 和 cv::TermCriteria::COUNT。

cv::kmeans(dataset.t(), K, kmean_labels, cv::TermCriteria( cv::TermCriteria::EPS + cv::TermCriteria::COUNT, 10, 1.0),
            3, cv::KMEANS_PP_CENTERS, kmean_centers);

在 OpenCV 文档中，它解释说： cv::TermCriteria::EPS：迭代算法停止时所需的精度或参数变化。

cv::TermCriteria::COUNT：要计算的最大迭代或元素数。

上面的解释对我来说不是很清楚。谁能帮助解释更多并展示如何为 COUNT 和 EPS 找到好的值？ 非常感谢。

Answer 1

没有适合所有应用程序的神奇数字（否则它们就不是参数）。

Kmeans 是一种迭代算法，它会朝着最优方向发展，并且每次迭代都会变得更好，但您需要告诉算法何时停止。

使用 cv::TermCriteria::COUNT，您告诉算法：您可以执行x 迭代，然后停止。但这并不能保证您的任何精度。

使用 cv::TermCriteria::EPS，您告诉算法继续其迭代，直到两次连续迭代之间的差异变得足够小。参数EPS 告诉算法这种差异应该变得多小。这当然取决于您提供给算法的数据集。假设您将所有数据点乘以 10；那么 EPS 应该会相应变化（我想是二次方，但不确定）。

当您同时使用 both 两个参数时；当满足两个条件之一时，您告诉算法停止；例如：当两次连续运行之间的差异小于 0.1 时停止迭代，OR 当您完成 10 次迭代时。

结论：只有分析您的数据集，反复试验才能为您提供体面值...