SVM+HOG特征识别.docx

上传人:王** 文档编号:1003644 上传时间:2024-03-15 格式:DOCX 页数:3 大小:31.14KB
下载 相关 举报
SVM+HOG特征识别.docx_第1页
第1页 / 共3页
SVM+HOG特征识别.docx_第2页
第2页 / 共3页
SVM+HOG特征识别.docx_第3页
第3页 / 共3页
亲,该文档总共3页,全部预览完了,如果喜欢就下载吧!
资源描述

《SVM+HOG特征识别.docx》由会员分享,可在线阅读,更多相关《SVM+HOG特征识别.docx(3页珍藏版)》请在优知文库上搜索。

1、最终结果:(列举几个)Predict(C:UserszydDesktop第七周数据集img999.jpg);Predict(,C:UserszydDesktop第七周数据集imgl999.jpg);Predict(,C:UserszydDesktop第七周数据集img2999.jpg);Predict(C:UserszydDesktop第七周数据集img3999.jpg);测试集(文件夹test)共有AB图片362张,NB图片32张(提前标注好);识别结果如下:35210032即AB中有10张错误识别为NB,NB识别率为100%总体正确率为98.62%有一些图像.感觉也不太能强求程序识别.好像

2、我自己也判断不出来是NB还是AB-算法流程:1 .首先建立图库,通过matlab作图,绘出所有数据的图像,略去图像中的横纵坐标与图像边框,结果保存至数据集中(好像有IW多张FjPgEjwim9jiP9m95iWFjp9F7gFjP9.jpgi三9n4P9Fl2利F3iP9FMjpgF5jpgFeiPg1t9ip9EHinElojroimg2ajp9im92ljpgm9jp9i94P9i9jp91t9Mip9im9P9gQggaijpeim9jp9im9”jP9叼“jP9FT利E*9Fwjpgi90P9im941iP9im942jpgim944gF4XP9m9jp9,乂,iw94aP9Fso/9

3、F9F物f松im4jp9g5p9im9%jgFS7jp9Fmjp9FW*92 .手动标注一些图像,建立训练集与测试集,将正常(NB)放于NB文件夹内,异步(AB)放于AB文件夹内。ABNB训练集文件夹名为图,测试集文件夹名为test(测试集也标注好了.可以用来判断最终算法的准确性)3 .在程序中设置好对应路径dir=(C:UserszydDesktop第七周图);testdir=(C:UserszydDesktop第七周test);trainingSet=ImageSet(dir,recursive,);testSet=imageSet(testdir,recursive,);4 .将图像重整

4、为256*256(原图像较大)5 .BxtractHOGFeatures函数获取图像HOG特征(Inatlab中自带函数)参数原理等不再赘述6 .建立分类器(fitcecoc函数)classifier=fitcecoc(trainingFeatures,trainingLabels);输入图像特征与该图像对应的标签(NB还是AB)训练7 .循环迭代训练集中的所有图像8 .训练完成9 .调用测试集,获取测试集图片HOG,并通过训练好的SVM模型预测该特征下,图片是AB还是NBPredictedLabel=predict(classifier,testFeature);10 .循环迭代所有测试集IL误差分析。程序结构:MainLln主函数,调用特征获取函数、训练SVM、调用PrediCt预测extractFeature.m循环迭代获取图像特征,并对应其标签getGLCMFeatures.m自定特征,从上文件中调用获取,整合为一个特征向量PrCdiCt.m预测结果,输入路径,标注图像标签后返回。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > 办公文档 > 活动策划

copyright@ 2008-2023 yzwku网站版权所有

经营许可证编号:宁ICP备2022001189号-2

本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。装配图网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知装配图网,我们立即给予删除!