Tag: 特征提取

使用OpenCV提取HoG特性: 我正在尝试使用OpenCV的HoG API提取function，但是我似乎无法find允许我这样做的API。我想要做的是从我的所有数据集（一组正面和负面的图像）使用HoG提取function，然后训练我自己的SVM。我在OpenCV下偷看到HoG.cpp，并没有帮助。所有的代码都被埋在复杂性之中，并且需要满足不同的硬件（例如英特尔的IPP）我的问题是：是否有任何OpenCV API可用于提取所有要提交给SVM的特征/描述符？如果有什么可以用它来训练我自己的SVM？如果没有，那里有没有现成的图书馆可以完成同样的事情？到目前为止，我实际上是从Processing（Java）向C ++移植一个现有的库（http://hogprocessing.altervista.org/），但是它仍然非常慢，检测至less需要16秒有没有其他人成功提取HoGfunction，你是如何绕过它？你有没有可以使用的开源代码？提前致谢

文本分类的特征select与缩减: 我目前正在做一个项目，一个简单的情绪分析器，以便在不同的情况下会有2和3个class 。我使用的是一个语料相当丰富的语料库（大约200.000）。为了特征select ，我使用袋字法，为了减less独特特征的数量，由于出现频率的阈值而消除。最后一组特征包括大约20,000个特征，实际上减less了90％，但是对于testing预测的预期准确性还不够。我依次使用LibSVM和SVM-light进行训练和预测（包括线性和RBF内核）以及Python和Bash 。到目前为止观察到的最高精度是75％左右，我至less需要90％。二进制分类就是这种情况。对于多class培训，准确率降至〜60％。在这两种情况下，我至less需要90％，并且不能如何增加它：通过优化训练参数或通过优化特征select ？我已经阅读了关于文本分类中的特征select的文章，并且我发现使用了三种不同的方法，实际上它们之间有明确的相关性。这些方法如下：书包的频率方法（BOW）信息增益（IG） X ^ 2统计（CHI）第一种方法已经是我使用的方法，但是我使用它非常简单，需要指导以更好地使用它以获得足够高的准确性。我也缺乏关于IG和CHI实际实施的知识，并且希望有任何帮助来指导我。非常感谢，如果您需要任何其他信息的帮助，请让我知道。 @larsmans： Frequency Threshold（频率阈值）：我正在寻找例子中唯一词的出现次数，例如，如果一个词在不同的例子中频繁出现，它被包含在特征集中作为一个独特的特征。 @TheManWithNoName：首先感谢您解释文档分类的一般问题。我审查和试验了你提出的所有方法和其他方法。我发现比例差异（PD）方法是最好的特征select，其中function单一和术语存在（TP）的权重（我不明白你为什么标签术语频率逆文档频率（TF- IDF）作为索引方法，我宁愿把它看作一个特征加权方法）。正如你所提到的，预处理也是这个任务的一个重要方面。我使用某些types的string消除来细化数据以及形态分析和词干。另外请注意，我正在使用土耳其语，与英语相比，它有不同的特点 […]