用不同维度的图像训练 SVM答案

【问题标题】：Training SVM with images of different dimensions用不同维度的图像训练 SVM
【发布时间】：2016-11-06 04:54:11
【问题描述】：

我正在尝试实现自动车牌检测 (ANPR)。我正在使用以下工具。
- Ubuntu 12.04 操作系统
- 使用 C++ 的 OpenCV 2.4.13

我正在使用一些示例图像，每个图像都有不同的尺寸来准备训练数据集。我使用的一些图像尺寸如下：
- 468 * 294
- 600 * 375
- 1024 * 776
等等。

我浏览过using OpenCV and SVM with images，并得到的印象是，如果所有图像都具有相同的尺寸，则此方法将起作用。还有Training a classifier using images of different dimensions but same number of HoG features，我认为这也可能不是一个准确的解决方案。

有没有其他方法可以训练不同图像尺寸的 SVM？

【问题讨论】：

请注意，仅将目标对象放在图像中的“某处”是不够的，图像应仅包含目标对象和一些次要背景。此外，每个图像中的对象应该居中并且对象的方向应该相同。我猜你的图片没问题，因为它们的比例相似，但这是一个常见的错误，所以我想提一下。除了安德烈的回答（调整大小）之外，您应该知道调整大小的大小通常是识别对象的最小大小！
备注：如果纵横比不完全适合，调整大小并不总是最佳的。也许你必须在调整大小之前裁剪（或添加一些额外的背景）以获得正确的纵横比！

【解决方案1】：

通常的做法是在将输入图像输入分类器之前调整其大小，因为您有固定数量的输入，您需要固定的特征维度，在您的情况下，特征是像素强度，因此，输入图像中的像素数必须是固定。

【讨论】：