Normal Bayes Classifier を使用してオブジェクト分類に sift を使用しようとしています。可変サイズの各画像の記述子を計算すると、異なるサイズの特徴ベクトルが得られます。例えば:
Feature Size: [128 x 39]
Feature Size: [128 x 54]
Feature Size: [128 x 69]
Feature Size: [128 x 64]
Feature Size: [128 x 14]
開発に関しては、20 個のトレーニング画像を使用しているため、20 個のラベルがあります。私の分類は、車、本、ボールの 3 つのクラスのみです。したがって、ラベルのベクトル サイズは [1 x 20] です。
私が理解している限り、機械学習を実行するには、特徴ベクトルのサイズとラベルのベクトルのサイズを同じにする必要があるため、トレーニング データのベクトルのサイズを [__ x 20]、ラベルを [1 x 20] にする必要があります。
しかし、私の問題は、sift には 128 次元の特徴空間があり、上記のように各画像の特徴サイズが異なることです。機能を失わずにすべてを同じサイズに変換するにはどうすればよいですか? または、間違っている可能性があるので、これで私を助けてください?
PS:実際にBOWモデルを使用して実行しましたが、機能しますが、学習目的のためだけに興味を持って学習するために、この問題でそれを実行しようとしているので、ヒントやアドバイスは大歓迎です. ありがとうございました