如何使用 BOW 选择合适的正负训练图像集进行图像分类

Question

我正在尝试使用 SVM 分类和 BoW 聚类算法实现一个实时对象分类程序。我的问题是选择正面和负面训练图像的良好做法是什么？

正面图像集

• 背景应该是空的吗？ 意思是，图像应该只包含感兴趣的对象吗？在实时实现该算法时，测试图像不会只包含感兴趣的对象，它肯定还会包含一些来自背景的信息。 所以我应该选择与测试图像更相似的图像，而不是使用孤立的图像集合？

负片集

• 这些可以是没有感兴趣对象的任何图像集吗？或者他们应该来自这个算法将在没有感兴趣对象的情况下进行测试的环境？ 例如，如果我要对客厅环境中的手机进行分类，那么底片是否应该是我的客厅环境的背景图像集，而前景中没有手机？还是可以是任何图像集？ （如厨房、客厅、卧室或室外图像）我问这个是因为，我不希望系统是特定于环境的。必须在任何环境（室内和室外）都保持稳健

谢谢。非常感谢任何帮助或建议。

Answer 1

正面图像集

是的，您绝对应该选择看起来与测试图像更相似的图像。

负片集

它可以是任何图像集，但是最好包含来自将要测试该算法的环境中的图像，而不是感兴趣的对象。

一般情况

请阅读我的answer 以了解其他一些 SO 问题，这将很有用。在 cmets 中继续讨论，所以这也可能有用。