支持向量机一对一训练

我正在使用Opencv svm进行图像分类。我的分类问题是对汽车，书籍等物体进行分类。一旦我确定了模型，我将测试图像添加到训练集中，然后使用1 vs所有训练方法训练系统。支持向量机一对一训练

但是这是一个非常计算成本昂贵的情况，因为我必须在添加基于组的分类帧后对系统进行训练。后来我改变它加入5帧后训练，比10帧，但它似乎太昂贵的计算interms。

我遇到了一种方法，我不知道它是如何工作，这是一对一培训。在实施1对1训练方面，我需要一些帮助，以便我不训练整个不同班级的训练集，而只是测试图像所属的训练集。

我的困惑是：我如何将培训信息分开后进行组合？

也许我错误地对待了这个概念，因为我是SVM的新手，所以在这种情况下只是帮助我。

来源

2013-07-16 kcc__

请为“一对一培训”提供参考。 –

如果我正确地理解了你，你成功地训练了SVM在类对上。现在你想知道如何结合这些SVM的答案来得到最终决定。

通常使用最大投票策略。

如果您有一个经过训练可以区分A类和B类的SVM（取决于输出），它会对A类或B类投一票。您对所有已接受培训的SVM进行投票。然后获得最多选票的班级胜出。

来源

2013-07-16 09:12:04 sietschie

谢谢，例如。如果A类=汽车和B类=书，比我分别使用一节课进行培训。这是对的吗。 2）比我预测的两个训练班的测试图像是正确的吗？现在我的困惑是使用投票。如果我有2个班级，而不是我检查车的数量，那么我会在A班和1班（假）班中获得真实答案（1）。这里的投票是如何工作的？对不起，我是SVM的新手，我有点困惑。你能帮我解决这个问题吗 –

你可能会混淆一对一和一类分类。在One-vs-One中，您可以采用二进制SVM并使用成对的类进行训练。但是你似乎使用了一类SVM，其中只有一个类用于训练。在这种情况下，您可以使用与边距距离最大的类，就像One-vs-All方法一样。如果没有确切的一个SVM返回“真”/ – sietschie

支持向量机一对一训练

回答

相关问题