2

現在、特定のテスト画像セットを 5 つの定義済みカテゴリのいずれかに分類するプロジェクトに取り組んでいます。画像ごとに 240 個の特徴の特徴ベクトルを使用してロジスティック回帰を実装し、100 個の画像/カテゴリを使用してトレーニングしました。私が達成した学習精度は各カテゴリで最大 98% でしたが、500 個の画像 (100 個の画像/カテゴリ) で構成される検証セットでテストした場合、正しく分類された画像は最大 57% のみでした。

より高い精度を達成するために使用できる（できればニューラル ネットワークに基づく）いくつかのライブラリ/ツールを提案してください。

Java ベースのツール Neurophy ( neuroph.sourceforge.net ) を Windows で使用しようとしましたが、期待どおりに動作しませんでした。

編集：特徴ベクトルはすでにプロジェクトに提供されています。また、画像のより優れた特徴抽出ツールを探しています。

4

3 に答える 3

0

このペーパーの画像分類から助けを得ることができます

私の意見では、マルチクラス応答の問題に関しては、SVM はロジスティック回帰よりも比較的優れています。数千の応答レベルと数千の機能がある製品の e コマース分類で使用します。

于 2014-03-05T10:06:47.763 に答える
0

私は WEKA ツールを使用してうまくいきました。興味のある機能セットを分離してから、このライブラリから分類子を適用する必要があります。例は非常に明確です。http://weka.wikispaces.com

于 2014-03-04T20:10:55.257 に答える
0

あなたのタグに基づいて、あなたは python パッケージが欲しいと思います.scikit-learn には良い分類ルーチンがあります: scikit-learn.org .

于 2014-03-04T18:29:35.213 に答える