问题标签 [feature-extraction]

我对“帧阻塞”很好奇，这是我在网站上看到的特征提取的第一步。它说应该遵循以下步骤来提取音频的特征：

1. 帧阻塞
2. 开窗
3. fft
4. 梅尔频率翘曲
5. 倒谱

“帧阻塞”是什么意思？任何人都可以为此提供算法或代码（c＃）吗？

顺便说一句，这个步骤顺序对于特征提取是否正确？

在特征提取之前我应该​​如何“预过滤”音频？

谢谢。

我是用于自然语言处理目的的特征提取的初学者。我想知道如何使用哈希图来提取文本的特征。如果每个特征都是hashmap中的一个“key”，而它的value就是这个“value”（所有特征都是二进制，0或者1），是不是意味着我需要有n个hashmap（n是文本中的字数)? 因为对于每个单词，我都需要提取特征。

我对吗？

在此先感谢，爱丽丝

我目前正在开发一个手语识别应用程序，我想使用隐马尔可夫模型作为分类阶段，这意味着我将对手势/姿势进行分类以获得相关的字母或单词。

我目前已经完成了检测手的第一阶段。目前，我可以获得一些可用于机器学习阶段的参数（特征），例如：

• 手凸包
• 凸面缺陷
• 手心
• 包围旋转的椭圆/矩形（例如获得旋转所需的任何角度）
• 手的轮廓
• 时刻（我不确定这些到底是什么）

这些都可以通过 openCv 完成。

我的问题：一旦我拥有了所有这些特征，我该如何执行“特征提取”阶段？即，如果机器学习算法，在这种情况下 HMM 需要一组概率，我该如何使用上述信息？

我的一个想法是创建一个特殊的数据结构，其中包含唯一标识每个手势的此类信息，但我如何将其提供给机器学习技术？（在这种情况下是隐马尔可夫模型）

谁能指导我在这个特定阶段至少应该寻找什么，或者指导我展示我真正遇到的困难是什么？

我正在研究图像处理。我想匹配 2D 特征，我在 SURF、SIFT、ORB 上做了很多测试。
如何在 OpenCV 的 SURF/SIFT/ORB 上应用 RANSAC？

我正在使用支持向量机进行文本分类，但基本上我对测试集的特征向量计算感到困惑。

对于训练特征向量，我为每个训练数据取 TF-IDF 向量，并使用 TF-IDF 值构建了一个特征矩阵 [docs x terms]。

但是如何计算测试集的特征向量呢？我应该只使用训练集中的 TF-IDF 值来计算它吗？

例如：在特定单词“apple”的训练集中，文档频率为 5。对于测试集，我应该将值 5 用于“apple”吗？还是根据测试集重新计算 TF-IDF？或者更确切地说，我在计算特征向量时走错路了吗？

提前致谢！

我正在研究特征检测算法，很多事情似乎都不清楚。对于图像处理的初学者来说，原始论文理解起来相当复杂。如果这些都得到答复将很高兴

1. SURF 和 SIFT 检测到哪些特征？
2. 是否有必要在灰度图像上计算这些？
3. 用简单的话来说，“描述符”一词是什么意思。
4. 一般来说，选择/提取了多少特征？有标准吗？
5. Hessian矩阵的大小决定什么？
6. 被检测的特征的大小是多少？据说一个特征的大小就是blob的大小。那么，如果图像的大小是M*N，那么会有M*N个特征吗？

这些问题可能看起来太琐碎了，但请帮助..

我试图通过使用周围像素的灰度值来提取图像的每个像素的特征向量：http: //img59.imageshack.us/img59/7398/texturemap.png 标记为黑色的像素是使用的像素，因为其他像素对于稍后使用的 SVM 的结果是多余的。

目前使用此代码：

其中 image_file* 一个指针指向一个包含图像信息的类。我想知道是否有更快的方法来做到这一点。

我正在使用 SVM 对属于两个不同组（患者与对照组）的患者的临床图像进行分类。我使用 PCA 从每个图像中提取特征向量，但我想添加其他临床信息（例如，临床检查的输出值）以便将其包含在分类过程中。有没有办法做到这一点？我没有在文献中找到详尽的建议。提前致谢。

OpenCV 可以检测如下手工绘制的几何形状吗？形状可以是矩形、三角形、圆形、曲线、圆弧、多边形……我将开发一个检测这些形状的安卓应用程序。

我有一组十二个形状，我正在尝试使用我的数据库确定查询图像的形状为了方便起见，我已经在 MATLAB 中完成了所有预处理并将形状轮廓存储为二进制图像，分别用于训练和测试目的

我已经在 Python 中完成了特征提取和实现阶段在训练阶段，我读取二进制图像，提取 HU MOMETS（7 个向量）作为所有训练图像的特征（总共 285 个）所以我的样本（训练样本）维度是[285, 7] 我的响应维度是 [285]

现在我也遵循类似的测试策略。测试图像共 541 个 读取图像 -> 提取 hu 矩 -> 将其提供给 knn.find_nearest 测试矩的维度为 [1, 7]

我在这里面临的问题是，无论我给出的测试图像如何，我在 knn.find_nearest 中得到的返回值为 76。它始终为每个图像提供相同的值

我做了什么来调试

• 用代码检查以确保我提供给 KNN 的尺寸是否正确
• 也检查了 matlab 中的 Hu-moments 值，发现与 opencv 几乎相似
• 还确保测试图像的 hu-moments 计算正确
• 通过更改 k 值进行测试（当 k=1 时 retval 为 76，当 k=3 时 retval 为 75）

我不知道我在这里做错了什么。请帮忙