問題タブ [feature-extraction]

ガイドトークでは、「教師あり問題の場合、説明変数は .target メンバーに格納されます。」どういう意味ですか？

scikit サイトのこの例: http://scikit-learn.org/stable/auto_examples/plot_digits_classification.html わかりません:

1) 数字を認識するために任意の特徴抽出器 (エッジ検出) を使用する場合。

2) ターゲット ベクトルの数値は何を意味しますか? それは画像が示す対応する番号ですか?

平面オブジェクト検出アルゴリズム FERN を実行しようとしています。これが私が使用しているコードです。私の質問は、誰かが私の過ちと、どのようにシダを正しく訓練する必要があるかを教えてくれるかどうかです.

最初に、FAST 特徴検出器の助けを借りて、参照画像のキーポイントを取得しました。これが完了したら、FernDescriptorMatcher を初期化し、キ​​ーポイントを含む画像を追加して、train 関数を呼び出します。何か問題でも？

その後、トレーニングしたオブジェクトを含む別の画像を読み込み、キーポイントを取得して、一致関数を呼び出してそれらを一致させることができます。

私が理解していないのは、一致機能が訓練機能と同じ時間を要し、実行可能な結果がない理由です。では、FernDescriptorMatcher クラスを正しく使用するにはどうすればよいでしょうか。

誰かがそれを正しく使用する方法を教えてもらえますか?

こんにちは、

特定のデータセット (テキスト データ) に最適な特徴選択方法を選択するにはどうすればよいですか?

たとえば Weka には、いくつかの属性選択方法 (CfsSubsetEval、ChiSquaredAttributeEval など) と、いくつかの検索方法 (bestfirst、greedy、ranker など) があります。

私の質問:特定のデータセットに最適な属性選択方法と検索方法を知るにはどうすればよいですか?!

私の推測:特徴選択フィルターを適用した後、クロス検証を使用してデータセットをテストする必要がありますか? たとえば、10 個の属性選択方法と 10 個の検索方法がある場合、100 回の相互検証テストを実行してから、最も精度の高い構成を選択する必要があります!!!!!!!! ここでは、1 つの分類器のみに対してテストしていると想定しています。では、2 つの分類子 (SMO と J48) がある場合、200 のクロス検証テストを実行する必要がありますか?!

何か誤解していたら訂正してください...

キャニーアルゴリズムを使用して画像から輪郭を取得します。記述子イメージを用意して SVM に入れ、類似点を見つけるだけで十分ですか? または、伸び、周囲、面積などの他の機能が必要ですか？この例に触発されたので、私はこれについて話します: http://scikit-learn.org/dev/auto_examples/plot_digits_classification.html最初にグレースケールで画像を与え、2番目に巧妙なアルゴリズムスタイルで、どちらの場合も私の混同マトリックスは十分でした精度、再現率、f1 スコア、サポート メジャーのような 0 の

F = fft(x)1)およびを使用して得られた FFT および STFT 係数があると仮定しS = spectrogram(x)ます。これらの係数を音声特徴としてどのように使用できますか? (ここでは、音声機能はパターン認識の意味で使用されます)。

2) 次のコードは、信号の PSD と最も強力な周波数 (kHz) を示していますか?

n3) (2) が OK の場合、PSD を使用して信号内の最も強力な周波数を見つけるにはどうすればよいですか?

4) PSD と同様に、FFT や STFT を使用して最も強力な周波数を見つけるにはどうすればよいですか?

前もって感謝します。

この画像でfind_contour（opencvモジュール）を適用すると、5つのオブジェクト（記号ごとに1つ）のみを取得できます：https ：//docs.google.com/file/d/0ByS6Z5WRz-h2WHEzNnJucDlRR2s/edit ？今私は64のオブジェクトを取得します

その後、Humomentsを取得して、他の画像と比較したいと思います。今のところ、同じ画像を少し翻訳してみます。テストすると、同じ画像が返されます。

私の質問私はどうすればユーモメントを適用するために5つのオブジェクトだけを取得できますか、または画像のユーモメントを計算する他の解決策がある場合はどうすればよいですか？

比較のために特徴を抽出する必要があるため、多くのグレースケール画像があります。特徴抽出のためにopencv（Pythonバージョンの方が良い）で形状の伸び（基本的な形状記述子：http://www.site.uottawa.ca/~mstoj075/Publications_files/elongation-JMIV.pdf ）を計算するにはどうすればよいですか？

サンプル画像: 1) https://docs.google.com/file/d/0ByS6Z5WRz-h2cE1wTGJwRnE5YUU/edit 2) https://docs.google.com/file/d/0ByS6Z5WRz-h2UTFCaVEzaHlXRVk/edit 3) https:/ /docs.google.com/file/d/0ByS6Z5WRz-h2NDgySmJ6NnpId0U/edit

OpenCV を使用して Bag-of-Words 画像分類子を実装しています。最初に、SURF キーポイントで抽出された SURF 記述子をテストしました。Dense SIFT (または PHOW) 記述子の方が私の目的に適していると聞いたので、それらも試してみました。

驚いたことに、彼らのパフォーマンスはかなり悪く、実際には 10 倍近く悪かったのです。私は何が間違っているのでしょうか？キーポイントを取得するために OpenCV の DenseFeatureDetector を使用しています。9 つのレイヤーから画像ごとに約 5000 の記述子を抽出し、それらを 500 のクラスターにクラスター化しています。

VLFeat ライブラリの PHOW 記述子を試す必要がありますか? また、多くの論文で推奨されている OpenCV の SVM 実装ではカイ 2 乗カーネルを使用できません。これは分類器の品質にとって重要ですか? 別のライブラリを試す必要がありますか?

もう 1 つの問題は、スケールの不変性です。これは、密な特徴抽出の影響を受ける可能性があると思われます。私は正しいですか？

通常、単語のバッグアプローチを使用してテキストから特徴を取得し、単語をカウントして、次のようにtf-idf値などのさまざまな測定値を 計算します。分類に数値特徴として単語を含める方法

しかし、私の問題は異なります。単一の単語から特徴ベクトルを抽出したいと思います。たとえば、ジャガイモとフライドポテトはどちらもジャガイモでできているため、ベクトル空間で互いに接近していることを知りたいと思います。ミルクとクリームも近くにあり、熱くて暖かく、石で固いなどです。

この問題は何と呼ばれていますか？たくさんの文書を見るだけで、単語の類似点や特徴を学ぶことができますか？

英語で実装しないので、データベースは使えません。

Python opencvで1番目と2番目のモーメントを計算し、形状の伸び機能を取得するにはどうすればよいですか？

伸びの定義についてはよくわかりません。「あまり一般的ではない伸びの形状係数は、主軸の周りの粒子の2秒モーメントの比率の平方根として定義されます」（参照：http：/ /en.wikipedia.org/wiki/Shape_factor_%28image_analysis_and_microscopy%29#Elongation_shape_factor）

定義に基づいて、i2およびi1の空間モーメント、中心モーメント、または正規化された中心モーメント（http://opencv.willowgarage.com/documentation/cpp/imgproc_structural_analysis_and_shape_descriptors.html）？