matlab-sift-bow-svm图片分类(1)——调通demo的过程整理

本文详细介绍了如何在MATLAB环境中调通一个基于SIFT特征、BOW词汇库和SVM的图片分类demo。首先,遵循labels文件夹的readme进行数据准备,包括按类别组织图片和创建labels.txt。接着,执行libsvm的make文件,并修改ini.m中的rootpath。最终运行main.m,实现图片分类。过程中注意解决因MATLAB版本更新导致的函数不兼容问题。
摘要由CSDN通过智能技术生成

之前整理了python的,这篇是关于matlab的
这篇博客讲的真好啊,地址是:https://blog.csdn.net/dulingtingzi/article/details/51223732
matlab代码也是博客中提到的https://github.com/lipiji/PG_BOW_DEMO
这篇博客主要就是整理一下怎么调通这个demo。(这个demo真良心,自带一个小型的数据集,如果调通了就可以直接出结果)
1如何调通这个demo呢,当然是先看demo中的readme文件里了
我们解压文件以后可以看到如下文件,最后一个就是ReadMe.txt

在这里插入图片描述
打开readme文件,我们可以看到有个Use
在这里插入图片描述
从中可以知道,我们需要
1 先按照labels文件夹中的readme文件来准备数据
2然后到libsvm中执行make文件
3最后修改ini.m文件,把rootpath改成你自己的path,然后就可以执行main.m文件了。
第一步准备数据
看上去似乎很容易,所以我就打开labels文件夹下的readme.txt(ps:不是根目录下的那个ReadMe.txt,嗯此处区分大小写的…)
在这里插入图片描述
嗯,意思就是说,
1先把数据集准备好,放在PG_BOW_DEMO/images/,每个类的图片都放在一个文件夹内,不同的文件夹就是不同的类
我们看一下demo中准备好的数据集哈,再次感慨真良心
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2把文件的类名(就是文件夹的名字)都写到labels.txt中
嗯,这一步其实demo也帮我们做了,看一眼哈
在这里插入图片描述
这些文字是不是似曾相识,没错就是文件夹的名字,连顺序都一模一样的。
在这里插入图片描述
3修改ini.m
注意此处巨坑!!!(ps:emmmm…主要是我眼神实在很差)这里的ini.m不是demo根目录下的ini,而是labels文件夹
在这里插入图片描述
修改完以后此处附上我的
在这里插入图片描述
修改好以后我们就可以执行prepare_training.m文件了,效果如下
在这里插入图片描述
再执行prepare_test文件,效果如下
在这里插入图片描述
至此根目录下的ReadMe.txt的第一步结束了
第二步 执行libsvm中的m

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值