1

使用此处解释的任何机器学习功能时。它们都遵循 cvStatModel 的格式。

例如 NormalBayes 的 train 函数是通过以下方式实现的：

CvNormalBayesClassifier::train(const Mat& trainData, const Mat& responses, const Mat& varIdx=Mat(), const Mat& sampleIdx=Mat(), bool update=false )

该文档告诉您查看 cvStatModel 以获取有关参数的详细信息。

我不明白responses应该采取什么措施？我知道这trainData是我们用于使用词袋训练系统的数据，但是在响应中放置什么？

在关于词袋的示例中，响应元素的处理方式如下：

float label=atof(entryPath.filename().c_str());
labels.push_back(label);

NormalBayesClassifier classifier;
classifier.train(trainingData, labels);

所以在这里图像的文件名被转换为双精度并用作responses元素。

我不明白这一点，对此感到困惑。有人可以解释一下该responses元素应该采用什么吗？为什么atof在上面的例子中使用？

4

1 回答 1

2

这些模型是有监督的机器学习技术，这意味着训练模型不仅需要训练数据（即测量向量），还需要与每个样本相关的标签（或连续值）。例如，如果您尝试检测包含猫的图像，您有一个训练集，例如 500 个不包含猫的图像和 500 个包含猫的图像。您计算所有 1000 张图像的描述符，并为每个类别分配一个数字（按照惯例，“非猫”为 -1，“猫”为 1）。然后，响应将是 1000x1 整数的矩阵，前 500值为 -1，而其余的值为 1。

在您的示例中， atof 用于将目录名称转换为唯一编号，表示类别，因为训练示例可能按文件夹（文件夹 cat、dogs、bikes 等）排序。

于 2012-12-03T15:16:18.910 回答