matlab - 从 Gabor 滤波器制作特征向量进行分类

Question

我的目标是对汽车类型（轿车、SUV、掀背车）进行分类，之前我使用角特征进行分类，但效果不佳，所以现在我正在尝试 Gabor 特征。

来自这里的代码

现在提取特征并假设当我将图像作为输入时，对于 5 个尺度和 8 个方向，我得到 2 个 [1x40] 矩阵。

1. 40列平方能量。

2. 40 列平均振幅。

问题是我想使用这两个矩阵进行分类，我有大约 230 张 3 类（SUV、轿车、掀背车）的图像。

我不知道如何创建一个 [N x 230] 矩阵，它可以被 matlab 中的神经网络作为 vInputs。（其中 N 是一张图像的总特征）。

我的问题：

1. 如何从一张图像的 2 个 [1x40] 矩阵创建一维图像向量。（我应该将平均幅度附加到平方能量矩阵以获得 [1x80] 矩阵还是其他东西？）

2. 我是否应该首先使用这些 gabor 功能进行分类？如果没有，那又怎样？

提前致谢

Answer 1

一般来说，没有什么可考虑的 - 简单的神经网络需要一维特征向量并且不关心顺序，因此您可以简单地将任意数量的特征向量连接成一个（甚至以随机顺序进行 - 它不需要事情）。特别是如果您有相同的特征矩阵，您还可以连接其每一行以创建矢量化格式。

唯一的例外是当您的数据实际上具有一些潜在的几何依赖性时，例如 - 矩阵实际上是一个像素矩阵。在这种情况下，像 PyraNet、卷积神经网络和其他应用某种基于这种二维结构的感受野的架构应该会更好。但是这些实现只是接受二维特征向量作为输入。