最近因为需要实现hog+svm的分类代码,网上找了一些例子,觉得这篇博客还不错:http://blog.csdn.net/libin88211/article/details/19968205,下面结合该博客写一下步骤,供新手们交流学习~~(如果侵犯了版权问题的话,可以联系删除,尊重作者原创~~)
hog干嘛的?hog就是提取图片特征的。hog源程序参考http://blog.csdn.net/huangli19870217/article/details/7695458
准备工作:
1、创建正阳本文件夹“pos”将正阳本放入
pos文件夹用来存放正阳样本的,下图是我自己准备的(就是一些狗狗的图像)
2、创建负样本文件夹“neg”将负样本放入
neg文件夹用来存放负样本,下图准备的是一些猫的(当然,负样本嘛,随便的,可以是其他的东东,不一定非要是猫,只要正阳样本是狗就行~~)
这里正负样本都是20个。
3、制作正阳本文件列表pos_list.txt
制作参考下图:
4、制作负样本文件列表neg_list.txt
制作参考下图:
5、执行下面程序进行训练,测试
clc;
clear ;
%% 训练阶段
ReadList1 = textread('pos_list.txt','%s','delimiter','\n');%载入正样本列表
sz1=size(ReadList1);
label1=ones(sz1(1),1); %正阳本标签
ReadList2 = textread('neg_list.txt','%s','delimiter','\n');%载入负样本列表
sz2=size(ReadList2);
label2=zeros(sz2(1),1);%负样本标签
label=[label1',label2']';%标签汇总
total_num=length(label);
data=zeros(total_num,1764);
%读取正样本并计算hog特征
for i=1:sz1(1)
name= char(ReadList1(i,1));
image=imread(strcat('D:\daily\冰\机器学习\pos\',name));
im=imresize(image,[64,64]);
img=rgb2gray(im);
hog =hogcalculator(img);
data(i,:)=hog;
end
%读取负样本并计算hog特征
for j=1:sz2(1)
name= char(ReadList2(j,1));
image=imread(strcat('D:\daily\冰\机器学习\neg\',name));
im=imresize(image,[64,64]);
img=rgb2gray(im);
hog =hogcalculator(img);
data(sz1(1)+j,:)=hog;
end
[train, test] = crossvalind('holdOut',label);
cp = classperf(label);
svmStruct = svmtrain(data(train,:),label(train));
save svmStruct svmStruct
classes = svmclassify(svmStruct,data(test,:));
classperf(cp,classes,test);
cp.CorrectRate
%% 训练完成后保存 svmStruct即可对新输入的对象进行分类了无需再执行上面训练阶段代码
load svmStruct
test=imread('test.jpg');
im=imresize(test,[64,64]);
figure;
imshow(im);
img=rgb2gray(im);
hogt =hogcalculator(img);
classes = svmclassify(svmStruct,hogt);%classes的值即为分类结果
源代码以及图片文件已经上传CSDN,这里给出链接~~
http://download.csdn.net/detail/jcy1009015337/9716482
代码已上传码云:https://gitee.com/ujshenry/machinelearning 欢迎关注下载~~