如何让Opencv支持向量机更快？
我正在使用Opencv 2.4.8实现一个图像分类解决方案。
不是的。班级数= 29
不是的。测试图像的数量=约4000
特点:冲浪描述符，潜入3x6网格后，每个图像。这给出了18个不同的SURF描述符列表。
分类器: CvSVM (NU_SVC/C_SVC) C=32，gamma=8
有18个分类器，每个网格块1个。
最终输出基于对所有SURF描述符的所有18个分类器的输出的重要性投票。
问题是支持向量机分类耗费了很多时间(每张图像大约600毫秒)。提出这项技术的IEEE论文报告了21fps的速度。我实现的程序的速度要慢8-10倍。
我会在哪里犯错误呢？
有什么建议可以加速我的测试/分类吗？
回答 1
Stack Overflow用户
发布于 2015-02-11 04:50:03
在您的实现和作者的实现之间可能会有许多不同之处，但我会将它们分为三大类：
-The数据:您使用的数据与论文作者使用的数据相同吗？你的功能是完全一样的吗？也许你的数据包含更多的类，或者更难分类，从而产生更多的支持向量？如果您不使用相同的数据，并且他们使用的数据是公开可用的，那么您可能希望在这些数据上测试您的实现。如果他们在论文中指定了SV的数量，请检查您是否获得了大致相同的数量。
-The算法:您是否使用相同的内核和训练参数？OpenCV实现使用1-vs-1算法进行多类分类，您的论文中是否也是如此？请注意，对于29个类，它将导致对18个分类器中的每个分类器评估406个二进制分类器，这可能是导致问题的原因之一。
编辑:在快速浏览opencv代码后，它明确地使用了1vs1。这可能是问题之一，即使在我看到的几篇关于这个主题的论文中，1-vs-1通常比1-vs-all更快(分类器更多，但全局SV更少)。考虑到你的评论，这些特征可能是一个更可能的原因，但如果没有更多的细节，或者参考这篇论文，很难说更多。
-The实现:也许他们的实现只是更好地优化了/多线程。我不确定OpenCV实现的优化程度。它基于一个相当旧的libSVM版本，但可能已经被修改/优化过。如果这确实是问题所在，您可能还需要考虑GPGPU：http://mklab.iti.gr/project/GPU-LIBSVM
https://stackoverflow.com/questions/28423212
复制相似问题
腾讯云开发者
