C++ OpenCV SVM 预测不工作

Question

试图创建一个功能性的SVM。我有 114 张训练图像、60 张正面图像/54 张负面图像和 386 张测试图像供 SVM 预测。

我将训练图像特征读入float，如下所示：

trainingDataFloat[i][0] = trainFeatures.rows;
trainingDataFloat[i][1] = trainFeatures.cols;

测试图像也是如此：

testDataFloat[i][0] = testFeatures.rows;
testDataFloat[i][2] = testFeatures.cols;

然后，使用 Micka 的 answer to this question，我将 testDataFloat 转换为一维数组，然后像这样将其输入到 Mat，以便在 SVM 上进行预测：

float* testData1D = (float*)testDataFloat;
Mat testDataMat1D(height*width, 1, CV_32FC1, testData1D);
float testPredict = SVMmodel.predict(testDataMat1D);

一切就绪后，就会出现以下调试错误：

cvPreparePredictData 中输入参数的大小不匹配（样本大小与用于训练的大小不同）

看着this post，我发现（感谢berak）：

“所有图像（用于训练和预测）的大小必须相同”

所以我添加了一个调整大小的功能，可以将图像重新调整为您希望的任意大小的正方形 (100x100, 200x200, 1000, 1000 etc.)

再次运行它，将图像重新调整到程序现在从中加载图像的新目录，我得到与以前完全相同的错误：

cvPreparePredictData 中输入参数的大小不匹配（样本大小与用于训练的大小不同）

我只是不知道该怎么做。为什么它仍然抛出该错误？

编辑

我变了

Mat testDataMat1D(TestDFheight*TestDFwidth, 1, CV_32FC1, testData1D);

到

Mat testDataMat1D(1, TestDFheight*TestDFwidth, CV_32FC1, testData1D);

并将.predict 放在将features 分配给float 的循环中，以便每个图像都单独分配给.predict，因为this question。随着 int 的交换，.cols = 1 和 .rows = TestDFheight*TestDFwidth 程序似乎实际运行，但随后在图像 160 (.exe has stopped working) 上停止...所以这是一个新问题。

编辑 2

添加了一个简单的

std::cout << testPredict;

查看 SVM 的确定输出，它似乎正匹配所有内容，直到 Image 160 停止运行：

Answer 1

请检查您的训练和测试特征向量。

我假设您的特征数据是某种形式的 cv::Mat，每行都包含特征。 在这种情况下，您希望您的训练矩阵是每个图像中每个特征矩阵的串联。 这些行看起来不正确：

trainingDataFloat[i][0] = trainFeatures.rows;
trainingDataFloat[i][1] = trainFeatures.cols;

这是将二维矩阵的元素设置为 trainFeatures 中的行数和列数。这与 trainFeatures 矩阵中的实际数据无关。

你想检测什么？如果每个图像都是正面和负面的例子，那么您是否试图检测图像中的某些东西？你有什么特点？

如果您尝试在每张图像的基础上检测图像中的对象，那么您需要一个特征向量在一个向量中描述整个图像。在这种情况下，您会对训练数据执行以下操作：

int N; // Set to number of images you plan on using for training
int feature_size; // Set to the number of features extracted in each image.  Should be constant across all images.

cv::Mat X = cv::Mat::zeros(N, feature_size, CV_32F); // Feature matrix
cv::Mat Y = cv::Mat::zeros(N, 1, CV_32F); // Label vector
// Now use a for loop to copy data into X and Y, Y = +1 for positive examples and -1 for negative examples
for(int i = 0; i < trainImages.size(); ++i)
{
  X.row(i) = trainImages[i].features; // Where features is a cv::Mat row vector of size N of the extracted features
  Y.row(i) = trainImages[i].isPositive ? 1:-1; 
}
// Now train your cv::SVM on X and Y.