SVM + HOG 表面瑕疵分类

项目迫不得已用到了SVM + HOG

在这里写记录一下 以下只是项目众多分类器中的一种

代码根据书上来的自己进行一些修改

正样本 阀芯的外表面 可以看出还是比较光滑的

负样本 阀芯的外表面有加工的纹路 我之前不想用机器学习的分类器 使用了边缘 差分金字塔 梯度等等 能用的都用了 分类效果很差 所以迫不得已才用HOG + SVM  毕竟老师不给GPU 要不然直接上神经网络了。

首先切图片 图片还是很难切的 这个代码我写了好几个小时 并不是简单的ROI 因为阀芯有时候并不一定是放平的 有时候是歪的 所以我用了一些方法自动切出来需要检测的部分 并统一放缩到192 * 128的大小。

然后就可以进行HOG特征提取 在这里不赘述 SVM采用的是线性核 并没有深究

上训练代码

	//创建一个HOG特征对象
    HOGDescriptor hogDesc(mypic_xiaci[0].size(), Size(8, 8), Size(4, 4), Size(4, 4), 9);
    //放特征的数组
	vector<float> desc; 
    //计算特征
	hogDesc.compute(mypic_xiaci[0], desc);
    
	int featureSize = desc.size();
	int numberOfSamples = mypic.size() + mypic_xiaci.size();
    
	cout << featureSize << "," << numberOfSamples << endl;
    //下面的这个要把所有图像的特征放在一个Mat里面
	Mat samples(numberOfSamples, featureSize, CV_32FC1);
    
	for(int i = 0; i < featureSize; i++)
	{
		samples.ptr<float>(0)[i] = desc[i];
	}

	for (int j = 1; j < mypic.size(); j++)
	{
		hogDesc.compute(mypic[j], desc);
		for (int i = 0; i < featureSize; i++)
		{
			samples.ptr<float>(j)[i] = desc[i];
		}
	}

	for (int j = 0; j < mypic_xiaci.size(); j++)
	{
		hogDesc.compute(mypic_xiaci[j], desc);
		for (int i = 0; i < featureSize; i++)
		{
			samples.ptr<float>(j + mypic.size())[i] = desc[i];
		}
	}
    //标签
	Mat labels(numberOfSamples, 1, CV_32SC1);
	labels.rowRange(0, mypic.size()) = 1.0;
	labels.rowRange(mypic.size(), numberOfSamples) = -1.0;
	//SVM部分
	Ptr<cv::ml::SVM> svm = cv::ml::SVM::create();
	svm->setType(cv::ml::SVM::C_SVC);
	svm->setKernel(cv::ml::SVM::LINEAR);

	cv::Ptr<cv::ml::TrainData> trainingData = cv::ml::TrainData::create(samples, cv::ml::SampleTypes::ROW_SAMPLE, labels);
	svm->train(trainingData);

	Mat queries(5, featureSize, CV_32FC1);
	for (int j = 0; j < mypic_ceshi.size(); j++)
	{
		hogDesc.compute(mypic_ceshi[j], desc);
		for (int i = 0; i < featureSize; i++)
		{
			queries.ptr<float>(j)[i] = desc[i];
		}
	}
	Mat prediction;
	svm->predict(queries, prediction);
	for (int i = 0; i < 5; i++)
	{
		std::cout << "query: " << i << ": " << ((prediction.at<float>(i) < 0.0) ? "Negative" : "Positive") << std::endl;
	}

	waitKey(0);