使用可变大小的训练图像 hog 描述符训练 SVM (MATLAB)答案

【问题标题】：Training SVM with variable sized hog descriptors of training images (MATLAB)使用可变大小的训练图像 hog 描述符训练 SVM (MATLAB)
【发布时间】：2014-06-30 22:46:36
【问题描述】：

我正在尝试使用 HoG+SVM 将对象分类为不同的类别。问题是训练图像的维度不同。因此，生成的 HoG 描述符具有可变长度。我已将所有训练图像中的特征提取到一个单元格中。单元格的每个元素 i 是数据集中图像 i 的 HoG 描述符向量。我的问题是如何使它兼容训练 SVM 分类器（使用 svmtrain 函数）？

【问题讨论】：

标签： matlab machine-learning computer-vision svm matlab-cvst

【解决方案1】：

SVM 无法用可变长度向量训练。您必须使用某种转换将您的数据映射到恒定长度表示。例如，您可以执行众所周知的降维技术。

【讨论】：

除了降维之外，关于如何处理这个问题的任何想法？

【解决方案2】：

正如 lejlot 正确提到的，SVM 无法使用可变长度向量进行训练。

您可以将图像尺寸标准化为 1，即 256x256。这样做有 3 种可能性：

围绕中心裁剪 256x256 补丁。
将图像大小调整为 256x256，丢弃原始纵横比。
将图像大小调整为 256xM，其中 M

所有变体都由不同的作者使用，您必须检查哪一个最适合您的任务。

【讨论】：

谢谢老飞碟，这很有帮助。我现在就试试这个。