【图像】SVM
查志强
图像处理模式识别机器视觉
展开
-
Latent SVM
原文:http://docs.opencv.org/modules/objdetect/doc/latent_svm.htmlDiscriminatively Trained Part Based Models for Object DetectionThe object detector described below has been initially proposed byP.转载 2014-02-22 09:49:06 · 2740 阅读 · 1 评论 -
【理论】支持向量机6:Duality —— 关于 dual 问题推导的一些补充理论
原文:http://blog.pluskid.org/?p=702在之前关于 support vector 的推导中,我们提到了 dual ,这里再来补充一点相关的知识。这套理论不仅适用于 SVM 的优化问题,而是对于所有带约束的优化问题都适用的,是优化理论中的一个重要部分。简单来说,对于任意一个带约束的优化都可以写成这样的形式:mins.t.f0(x)fi(x)≤转载 2014-02-19 17:26:59 · 3512 阅读 · 0 评论 -
【理论】支持向量机5:Numerical Optimization —— 简要介绍求解求解 SVM 的数值优化算法
原文:http://blog.pluskid.org/?p=696作为支持向量机系列的基本篇的最后一篇文章,我在这里打算简单地介绍一下用于优化 dual 问题的 Sequential Minimal Optimization (SMO) 方法。确确实实只是简单介绍一下,原因主要有两个:第一这类优化算法,特别是牵涉到实现细节的时候,干巴巴地讲算法不太好玩,有时候讲出来每个人实现得结果还不一样转载 2014-02-19 17:17:36 · 2457 阅读 · 0 评论 -
【理论】支持向量机7:Kernel II —— 核方法的一些理论补充
原文:http://blog.pluskid.org/?p=723在之前我们介绍了如何用 Kernel 方法来将线性 SVM 进行推广以使其能够处理非线性的情况,那里用到的方法就是通过一个非线性映射 ϕ(⋅) 将原始数据进行映射,使得原来的非线性问题在映射之后的空间中变成线性的问题。然后我们利用核函数来简化计算,使得这样的方法在实际中变得可行。不过,从线性到非线性的推广我们并没有把 S转载 2014-02-19 17:29:36 · 2239 阅读 · 0 评论 -
利用SVM解决2维空间向量的3级分类问题
【原文:http://blog.csdn.net/firefight/article/details/6400060】为了学习OPENCV SVM分类器, 参考网上的"利用SVM解决2维空间向量的分类问题"实现并改为C++代码,仅供参考 环境:OPENCV2.2 + VS2008步骤:1,生成随机的点,并按一定的空间分布将其归类2,创建SVM并利用随机点样本转载 2014-02-26 17:06:00 · 3196 阅读 · 0 评论 -
利用HOG+SVM训练自己的XML文件
【原文:http://blog.csdn.net/Armily/article/details/8333862】在人脸检测中,我们一般利用训练好的XML文件去预测图像中是否存在人脸,那么XML文件是如何得到的,按照人脸的XML文件,它应该是提取样本的Haar特征,利用某个机器学习方法,最终得到的。本文主要讨论如何得到自己的XML文件。 在机器学习中,首先应该是采集样转载 2014-02-28 16:28:17 · 10796 阅读 · 1 评论 -
libsvm交叉验证与网格搜索(参数选择)
【原文:http://blog.sina.com.cn/s/blog_6833a4df0100puzv.html】首先说交叉验证。交叉验证(Cross validation)是一种评估统计分析、机器学习算法对独立于训练数据的数据集的泛化能力(generalize), 能够避免过拟合问题。交叉验证一般要尽量满足:1)训练集的比例要足够多,一般大于一半2)训练集和测试集要均匀抽转载 2014-02-28 10:48:22 · 7429 阅读 · 0 评论 -
LibSVM分类的实用指南
【原文:http://blog.sina.com.cn/s/blog_72995dcc0100pflx.html】译者注:简单翻译了台湾林智仁教授的文章《A Practical Guide to Support Vector Classification》,未经作者同意,没有版权;同时翻译仅供自己学习之用,不严谨,有错误,还请大家指出。原文地址:http://www.csie.nt转载 2014-02-28 11:39:10 · 6345 阅读 · 0 评论 -
使用OPENCV训练手写数字识别分类器
【原文:http://blog.csdn.net/firefight/article/details/6452188】使用OPENCV训练手写数字识别分类器 1,下载训练数据和测试数据文件,这里用的是MNIST手写数字图片库,其中训练数据库中为60000个,测试数据库中为10000个2,创建训练数据和测试数据文件读取函数,注意字节顺序为大端3,确定字符特征方式为最简单的8×转载 2014-02-28 15:02:15 · 4378 阅读 · 0 评论 -
OpenCV中的HOG+SVM物体分类
原文:http://www.360doc.com/content/13/0313/11/2036337_271208986.shtml这里总结网上自己找到的资料,搞一个简单的框架供大家参考一下。OpenCV官方的SVM代码在http://www.opencv.org.cn/opencvdoc/2.3.2/html/doc/tutorials/ml/introduction_to_s转载 2014-01-22 15:58:54 · 8519 阅读 · 1 评论 -
SVM:从理论到OpenCV实践
(转载请注明出处:http://blog.csdn.net/zhazhiqiang/ 未经允许请勿用于商业用途)一、理论参考网友的博客:(1)【理论】支持向量机1: Maximum Margin Classifier —— 支持向量机简介(2)【理论】支持向量机2: Support Vector —— 介绍支持向量机目标函数的 dual 优化推导,并得出“支持向量”的概念原创 2014-02-28 16:59:59 · 18431 阅读 · 3 评论 -
LIBSVM的使用方法
【原文:http://wenku.baidu.com/view/7e7b6b896529647d27285276.html】目 录1 Libsvm下载... 32 Libsvm3.0环境变量设置... 33 训练和测试数据集下载... 34 运行python程序的环境配置... 35 LIBSVM 使用的一般步骤是:... 36 再来说一下转载 2014-03-13 19:46:32 · 2519 阅读 · 0 评论 -
【理论】支持向量机4:Outliers —— 介绍支持向量机使用松弛变量处理 outliers 方法
原文:http://blog.pluskid.org/?p=692在最开始讨论支持向量机的时候,我们就假定,数据是线性可分的,亦即我们可以找到一个可行的超平面将数据完全分开。后来为了处理非线性数据,使用 Kernel 方法对原来的线性 SVM 进行了推广,使得非线性的的情况也能处理。虽然通过映射 ϕ(⋅) 将原始数据映射到高维空间之后,能够线性分隔的概率大大增加,但是对于某些情况还是很转载 2014-02-19 16:45:48 · 2825 阅读 · 0 评论 -
【理论】支持向量机2: Support Vector —— 介绍支持向量机目标函数的 dual 优化推导,并得出“支持向量”的概念
原文:http://blog.pluskid.org/?p=682上一次介绍支持向量机,结果说到 Maximum Margin Classifier ,到最后都没有说“支持向量”到底是什么东西。不妨回忆一下上次最后一张图:可以看到两个支撑着中间的 gap 的超平面,它们到中间的 separating hyper plane 的距离相等(想想看:为什么一定是相等的?),即我们转载 2014-02-19 16:22:57 · 3651 阅读 · 1 评论 -
OpenCV中Latent SVM模型文件XML
原文:http://blog.csdn.net/loadstar_kun/article/details/8754359从该blog开始,逐步介绍DPM + Latent SVM。关于OpenCV下DPM+Latent SVM简单介绍参考上一篇博文:OpenCV Latent SVM Discriminatively Trained Part Based Models for转载 2014-02-22 11:54:13 · 2495 阅读 · 1 评论 -
OpenCV Latent SVM Discriminatively Trained Part Based Models for Object Detection
原文:http://blog.csdn.net/loadstar_kun/article/details/8686416OpenCV 2.4版本实现了C++版本的DPM程序,和之前C版本的主要区别就是可以同时检测多种目标。使用时,可以把训练好的模型放到一个文件夹中,待检测的图像放到另一个文件夹中,即可检测。可惜没有考虑加速的内容。 Latent SVM¶Di转载 2014-01-25 14:37:28 · 3702 阅读 · 2 评论 -
Matlab中Latent SVM model参数含义
原文:http://blog.csdn.net/loadstar_kun/article/details/8754828Matlab中mat文件model参数含义模型文件是按照Latent SVM模型保存语法保存参数的,利用了查表的思想,具体细节需要参考原始论文。这样保存的目的好像是计算方便。1.model简单节点内容 model.class= 'bottle'转载 2014-02-22 13:45:54 · 2942 阅读 · 0 评论 -
Exemplar-SVMs for Object Detection and Beyond—Overview(一)
原文:http://blog.csdn.net/ttransposition/article/details/18516915Exemplar-SVMs for Object Detection and Beyond--Overview(一)Reference:[1] Ensemble of Exemplar-SVMs for Object Detection and Be转载 2014-02-25 13:36:43 · 1856 阅读 · 0 评论 -
Exemplar-SVMs for Object Detection and Beyond--Details (二)
原文:http://blog.csdn.net/ttransposition/article/details/18518337Exemplar-SVMs for Object Detection and Beyond—Details(二)Reference:[1] Ensemble of Exemplar-SVMs for Object Detection and Beyo转载 2014-02-25 13:39:27 · 1641 阅读 · 0 评论 -
SVM 在opencv 中的使用及SVM与HOG联合
【原文:http://blog.csdn.net/yangtrees/article/details/7447206】学习SVM,首先通过http://zh.wikipedia.org/wiki/SVM,再通过博客http://blog.csdn.net/yang_xian521/article/details/6969904OpenCV开发SVM算法是基于LibSVM软件转载 2014-02-25 22:55:30 · 1525 阅读 · 0 评论 -
【OpenCV2.4】SVM的参数和函数介绍
【原文:http://www.cnblogs.com/justany/archive/2012/11/23/2784125.html】分类器分类器是一种计算机程序。他的设计目标是在通过学习后,可自动将数据分到已知类别。平面线性分类器一个简单的分类问题,如图有一些圆圈和一些正方形,如何找一条最优的直线将他们分开?我们可以找到很多种方法画出这条直线,但怎样的直线转载 2014-02-26 16:33:17 · 6858 阅读 · 1 评论 -
【OpenCV2.4】SVM处理线性不可分的例子
【原文:http://www.cnblogs.com/justany/archive/2012/11/26/2788509.html】目的实际事物模型中,并非所有东西都是线性可分的。需要寻找一种方法对线性不可分数据进行划分。原理上一篇文章,我们推导出对于线性可分数据,最佳划分超平面应满足: 现在我们想引入一些东西,来表示那些被错分的转载 2014-02-26 16:38:46 · 2656 阅读 · 0 评论 -
SVM对文字识别的简单使用
【原文:http://www.cnblogs.com/justany/archive/2012/11/27/2789767.html】预备知识下面两个都不是必备知识,但是如果你想了解更多内容,可参考这两篇文章。OpenCV 2.4+ C++ SVM介绍OpenCV 2.4+ C++ SVM线性不可分处理SVM划分的意义到此,我们已经对SVM有一定的了转载 2014-02-26 16:51:12 · 6911 阅读 · 0 评论 -
【理论】支持向量机3:Kernel —— 介绍核方法,并由此将支持向量机推广到非线性的情况
原文:http://blog.pluskid.org/?p=685前面我们介绍了线性情况下的支持向量机,它通过寻找一个线性的超平面来达到对数据进行分类的目的。不过,由于是线性方法,所以对非线性的数据就没有办法处理了。例如图中的两类数据,分别分布为两个圆圈的形状,不论是任何高级的分类器,只要它是线性的,就没法处理,SVM 也不行。因为这样的数据本身就是线性不可分的。对于这个数据集,我转载 2014-02-19 16:30:04 · 3796 阅读 · 0 评论 -
【理论】支持向量机1: Maximum Margin Classifier —— 支持向量机简介
原文:http://blog.pluskid.org/?p=632支持向量机即 Support Vector Machine,简称 SVM 。我最开始听说这头机器的名号的时候,一种神秘感就油然而生,似乎把 Support 这么一个具体的动作和 Vector 这么一个抽象的概念拼到一起,然后再做成一个 Machine ,一听就很玄了!不过后来我才知道,原来 SVM 它并不是一头机转载 2014-02-19 15:53:49 · 4399 阅读 · 0 评论 -
HOG:从理论到OpenCV实践
(转载请注明出处:http://blog.csdn.net/zhazhiqiang/ 未经允许请勿用于商业用途)一、理论1、HOG特征描述子的定义: locally normalised histogram of gradient orientation in dense overlapping grids,即局部归一化的梯度方向直方图,是一种对图像局部重叠区原创 2014-03-11 22:56:37 · 28901 阅读 · 14 评论