我将一个使用Python支持向量机(使用scikit-learn)的算法移植到C++中(使用OpenCV的机器学习库)。将经过训练的SVM从scikit-learn导入到OpenCV
我有权访问Python中训练有素的SVM,并且我可以将XML文件中的SVM模型参数导入到OpenCV中。由于scikit-learn和OpenCV的SVM实现基于LibSVM,我认为应该可以在OpenCV中使用经过训练的scikit SVM的参数。
下面的示例显示可用于在OpenCV中初始化一个SVM的XML文件:
<?xml version="1.0"?>
<opencv_storage>
<my_svm type_id="opencv-ml-svm">
<svm_type>C_SVC</svm_type>
<kernel><type>RBF</type>
<gamma>0.058823529411764705</gamma></kernel>
<C>100</C>
<term_criteria><epsilon>0.0</epsilon>
<iterations>1000</iterations></term_criteria>
<var_all>17</var_all>
<var_count>17</var_count>
<class_count>2</class_count>
<class_labels type_id="opencv-matrix">
<rows>1</rows>
<cols>2</cols>
<dt>i</dt>
<data>
0 1</data></class_labels>
<sv_total>20</sv_total>
<support_vectors>
<_>
2.562423055146794554e-02 1.195797425735170838e-01
8.541410183822648050e-02 9.395551202204914520e-02
1.622867934926303379e-01 3.074907666176152077e-01
4.099876888234874062e-01 4.697775601102455179e-01
3.074907666176152077e-01 3.416564073529061440e-01
5.124846110293592716e-01 5.039432008455355660e-01
5.466502517646497639e-01 1.494746782168964394e+00
4.168208169705446942e+00 7.214937388193202183e-01
7.400275229357797802e-01</_>
<!-- omit 19 vectors to keep it short -->
</support_vectors>
<decision_functions>
<_>
<sv_count>20</sv_count>
<rho>-5.137523249549433402e+00</rho>
<alpha>
2.668992955678978518e+01 7.079767098112181145e+01
3.554240018130368384e+01 4.787014908624512088e+01
1.308470223155845069e+01 5.499185410034550614e+01
4.160483074010306126e+01 2.885504210853826379e+01
7.816431542954153144e+01 6.882061506693679576e+01
1.069534676985309574e+01 -1.000000000000000000e+02
-5.088050252552544350e+01 -1.101740897543916375e+01
-7.519686789702373630e+01 -3.893481464245511603e+01
-9.497774056452135483e+01 -4.688632332663718927e+00
-1.972745089701982835e+01 -8.169343841768861125e+01</alpha>
<index>
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
</index></_></decision_functions></my_svm>
</opencv_storage>
我现在想从训练的scikit学习SVM填补这个XML文件的值。但我不确定scikit-learn和OpenCV的参数是如何对应的。以下是我迄今为止(clf
在Python分类对象):
<kernel><gamma>
对应clf.gamma
<C>
对应clf.C
<term_criteria><epsilon>
对应clf.tol
<support_vectors>
对应clf.support_vectors_
迄今为止这是否正确?现在这里是我不太确定的项目:
<term_criteria><iterations>
?- 是否
<decision_functions><_><rho>
对应clf.intercept_
? - 是否
<decision_functions><_><alpha>
对应clf.dual_coef_
?在这里,我不确定,因为scikit-learn文档中提到“dual_coef_
其中包含产品y iα i”。它看起来像OpenCV预计只有α我,而不是y 我α我。
谢谢你的回答。我还没有尝试过,但无论如何,你的答案包含一些非常有用的信息。我如何知道是否需要更改'intercept_'的符号? –
@RobertHegner,你可以使用一些测试点,在scikit和opencv中是相同的。如果截距符号错误,则预测中的决策值将相差2 *截距。 –
就像其他人的参考一样:我不必更改'intercept_'的符号,也不必使用'dual_coef_'的绝对值。它似乎工作得很好!再次感谢马克! –