cuốn sách gpt4 ai đã làm

OpenCV + HOG +SVM : help needed with SVM single feature vector

In lại Tác giả: Vũ trụ không gian 更新时间:2023-11-03 21:01:09 26 4
mua khóa gpt4 Nike

我尝试使用 OpenCV2.3 实现基于 SVM 和 HOG 的人员检测系统。但是我卡住了。

我走到这一步:我可以从图像数据库计算 HOG 值,然后我用 LIBSVM 计算 SVM 向量,所以我得到例如1419 个 SVM 向量,每个向量有 3780 个值。

OpenCV 只需要方法 hog.setSVMDetector() 中的一个特征向量。因此,我必须从 LIBSVM 计算出的 1419 个 SVM 向量中计算出一个特征向量。

我找到了一个提示,如何计算这个单一特征向量:liên kết

“组件 i 处的检测特征向量(其中 i 在范围内,例如 0-3779)由 i 处的支持向量之和 * 该支持向量的 alpha 值构建而成,例如det[i] = sum_j (sv_j[i] * alpha[j]) ,TRONGj是支持向量的个数,Tôi是支持向量的分量个数。”

据此,我的例程是这样工作的:我取第一个 SVM 向量的第一个元素,将它与 alpha 值相乘,然后将其与第二个 SVM 向量的第一个元素相加,该向量已与 alpha 值相乘,...

但是在对所有 1419 个元素求和后,我得到了相当高的值:

16.0657, -0.351117, 2.73681, 17.5677, -8.10134, 
11.0206, -13.4837, -2.84614, 16.796, 15.0564,
8.19778, -0.7101, 5.25691, -9.53694, 23.9357,

如果您将它们与 OpenCV 示例 peopredetect.cpp 中的默认向量(以及 OpenCV 源代码中的 hog.cpp)进行比较

0.05359386f, -0.14721455f, -0.05532170f, 0.05077307f,
0.11547081f, -0.04268804f, 0.04635834f, -0.05468199f, 0.08232084f,
0.10424068f, -0.02294518f, 0.01108519f, 0.01378693f, 0.11193510f,
0.01268418f, 0.08528346f, -0.06309239f, 0.13054633f, 0.08100729f,
-0.05209739f, -0.04315529f, 0.09341384f, 0.11035026f, -0.07596218f,
-0.05517511f, -0.04465296f, 0.02947334f, 0.04555536f,

你看,默认向量值在 –1 和 +1 之间,但我的值远远超过它们。

我想,我的单一特征向量例程需要一些调整,有什么想法吗?

lời chào,

克里斯托夫

câu trả lời hay nhất

聚合向量的值看起来确实很高。
我使用了位于 http://lnx.mangaitalia.net/trainer/main.cpp TRONG loadSVMfromModelFile()
我不得不从代码中删除 svinstr.sync();,因为它会导致丢失部分行并得到错误的结果。
我对文件的其余部分了解不多,我只使用了这个功能。

关于OpenCV + HOG +SVM : help needed with SVM single feature vector,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7331533/

26 4 0
không gian vũ trụ
Hồ sơ

Tôi là một lập trình viên xuất sắc, rất giỏi!

Nhận phiếu giảm giá taxi Didi miễn phí
Phiếu giảm giá taxi Didi
Chứng chỉ ICP Bắc Kinh số 000000
Hợp tác quảng cáo: 1813099741@qq.com 6ren.com
Xem sitemap của VNExpress