基于Sift特征和Knn的图像分类
基于Sift特征和Knn的图像分类
提问于 2014-11-10 12:14:25
你能帮我利用SIFT特征进行图像分类吗？
我想根据SIFT特性对图像进行分类：
- 给出一组训练图像，从中提取SIFT。
- 计算K-指从训练集中提取的整组筛。"K“参数(集群的数量)取决于用于培训的筛选器的数量，但通常是500->8000 (越高越好)。
- 现在你得到了K团簇中心。
- 您可以通过将图像的每个SIFT分配给K类中的一个来计算图像的描述符。这样就可以得到长度为K的直方图。
- 我在训练集中有130幅图像，所以我的训练集是130*K维
- 我想分类我的测试图像，ı有1个图像，所以我的样本是1*k维。我写了这个代码针织(样本，训练集，小组)。
我想分类为7组。所以，knnclassify(sample(1*10),trainingset(130*10),group(7*1))
错误是：组的长度必须等于训练中的行数。我能做什么?
回答 1
Stack Overflow用户
发布于 2014-11-12 11:52:13
直接从医生那里：
分类(样本，训练，组)使用最近邻方法将样本中的每一行数据分类为训练中的一组。样本和培训必须是具有相同列数的矩阵。组是用于培训的分组变量。它的唯一值定义组，每个元素定义相应的培训行所属的组。组可以是数字向量、字符串数组或字符串的单元格数组。训练和组必须有相同的行数.
这意味着，group应该是130x1，并且应该指明每个训练样本属于哪个组。在您的情况下，unique(group)应该返回7个值--在您的培训集中表示的七个类别。如果您还没有一个组向量来指定哪些图像属于哪些类别，则可以使用kmeans将您的培训集拆分为7个组：
group = kmeans(trainingset,7);
knnclassify(sample, trainingset, group);页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/26843591
复制相关文章
相似问题
腾讯云开发者
