問題タブ [feature-selection]

ループ クロージャ アルゴリズムを構築しようとしていますが、開発を開始する前に、どの機能記述子が実際のデータセットでより適切に機能するかをテストしたいと思います。

廊下を両方向から撮影した 2 枚の画像があります。1 枚は部屋に入り、もう 1 枚は同じ部屋から出ます。したがって、それらは同じシーンを表していますが、2 つの異なる (反対の) 視点からのものです。

私は OpenCV を使用しており、検出器、抽出器、および照合器の部分を既にコーディングしています。

しかし、結果を見ると、多くの誤った一致があることがわかりました。どうすればそれらをドロップできますか? cv::FindFoundamentalMat を使用しようとしましたが、これが正しい方法かどうかわかりません。

編集

この論文 ( ShmidtJAMRIS12 ) は、私が考えていたことを正確に実行しますが、各検出器と抽出器のパラメーターをどのように選択するか理解できません。

エラーメッセージ：

システム: win7/64bit/ultimate/16gb-real-ram と仮想メモリ、memory.limit(32000)

1. このエラー メッセージは何を意味しますか?

   glmulti(y = "y", data = mydf, xr = c("x1", : !特大の候補セット。

   mydf には 3.6mm の行と 150 列のフロートがあります

2. glmulti で回避するには、どのような手順を実行すればよいですか?
3. Rの世界でglmultiに代わるものはありますか?

R/64bit「グッドスポーツ」

これは非常に素朴に聞こえるかもしれませんが、機械学習の用語で話す場合、ドキュメント クラスタリングの機能はドキュメントから選択された単語であり、ステミング後に破棄されたり、ストップ ワードとして使用されたりする単語であることを確認したかっただけです。

私は LibSvm ライブラリを使用しようとしていますが、さまざまなタイプの { no_of_instances, no_of_features } に対してさまざまなアプローチがあると書かれています。

no_of_instances が no_of_features よりもはるかに低い場合と同様に、線形カーネルで十分です。両方が大きい場合、線形が高速になります。ただし、no_of_features が小さい場合は、非線形カーネルの方が優れています。

したがって、ドキュメントのクラスタリング/分類では、100 のような少数のドキュメントがあり、それぞれに約 2000 の単語が含まれている可能性があります。そのため、機能と見なすものに応じて、小さな no_of_instances カテゴリと大きな no_of_features カテゴリに分類されます。

ドキュメントに tf-idf を使用したいと思います。

no_of_features は tf-idf から取得したベクトルのサイズですか?

主題を調査すると、著者が「Bag of Words」モデルを使用して画像の分類/検索を行っている論文を見つけることができますが、他の人は「Bag of features」モデルを使用して同様のタスクを行っています。

関連する方法 (ビジュアル ワードの検出と抽出、ビジュアル ディクショナリの構築、機械学習を使用した分類器のトレーニング) についての基本的な理解はありますが、両方のモデルの違いはまだわかりません。それらは同義語ですか？たぶん、違いを示す具体的な例/ドキュメントを見逃した...

顔画像のコレクションから 8 つの特徴を設計 (抽出) する必要があります (以下の URL を参照)。

http://faculty.ucmerced.edu/mhyang/face-detection-survey_files/face-sample.gif

これらの画像は、多数の元の画像上で (固定サイズの) ウィンドウを移動した結果です。次に、抽出された特徴とクラス ラベルの値を含むトレーニング セットを使用して、単純ベイズ分類器をトレーニングします。

では、画像からどのような特徴を抽出すればよいでしょうか? 誰かが私にいくつかの例を教えてもらえますか?