我一直在使用少量图像（大约 20 张）来训练 SVM，我注意到在训练时，一张图片可以对结果产生非常大的影响。
有时它会有点准确，有时它会说一切都是匹配的，有时没有任何东西是匹配的。现在使用一组较小的图像，我知道一张图像的影响会成比例地更大，但是除了反复试验之外，还有什么可以辨别什么是好的训练集呢？您如何选择数百张图像进行训练？
这似乎有点太重要的一步，让它继续前进
“好吧，使用这些图像而不是那些，它似乎运行得更好，现在如果我包含这些...”
即猜测。
【问题讨论】：
标签： opencv machine-learning svm training-data
对于您的问题，无法给出一个广泛而明确的答案，因为（一如既往）这取决于应用场景的具体情况。
所以 tl;dr 版本：分析您的问题。
想到了 3 种方法来收集您的训练集有用的证据：
对您的训练数据使用无监督技术来验证其有用性（需要您实际分析问题并定义具体标准）。
在没有选择性假设的情况下获取训练数据，但根据您的场景以相同的方式对它们进行预处理全部。这可以是从规范化到转换的任何内容，以确保数据变得更加稳定，例如学习噪声或不变性。
在某些情况下（例如，运行高度多样化数据的实时系统），您不想做出假设。您希望您的分类器考虑广泛的输入，因此您也选择了广泛的训练集。
一般来说：如果您的训练集中有 1 张图片破坏了您的分类器，您需要确定是什么让该图片与众不同，并且最好使用更多与该图片相似的图片进行训练，以使其更加稳健。除非您可以确保经过训练的系统永远不会遇到这种类型的图像。
【讨论】：