machine-learning - bag of words - 画像分類

Question

バッグオブワードベースの画像分類の場合、いくつか疑問があります。まず、私が何をしたかを説明します

1. SURFメソッドを使用して、2つの異なるカテゴリでトレーニング画像から特徴を抽出しました。

2. 次に、2 つのカテゴリの機能をクラスタリングしました。

3. テスト画像を分類するため（つまり、テスト画像が2つのカテゴリのどちらに属するか）。この分類の目的で SVM 分類子を使用していますが、ここで疑問があります。テスト画像をどのように入力すればよいでしょうか。1 から 2 まで同じステップをもう一度実行してから、それをテスト セットとして使用する必要がありますか。他の方法で、

4. また、弓のアプローチの効率を知ることは素晴らしいことです.

親切に誰かが私に説明を提供してくれます

Answer 1

分類子は、トレーニング データと同じ意味を持つテスト データの表現を必要とします。したがって、テスト画像を評価するときは、特徴を抽出し、元の語彙のどの単語に最も近いかのヒストグラムを作成します。

あれは：

1. トレーニング セット全体から特徴を抽出します。
2. これらの機能を語彙 V にまとめます。K 個の異なるクラスター中心が得られます。
3. 各トレーニング画像を、各語彙要素が画像に現れる回数のヒストグラムとしてエンコードします。次に、各イメージは長さ K のベクトルで表されます。
4. 分類器をトレーニングします。
5. テスト画像が与えられたら、特徴を抽出します。ここで、テスト イメージを、V からの各クラスター中心がテスト イメージ内の特徴に最も近い回数のヒストグラムとして表します。これも長さ K ベクトルです。

エントリの平方根をとってヒストグラムを割り引くことも役立つことがよくあります。これは、画像特徴のより現実的なモデルに近似します。