如何用词袋训练和预测？

Question

我从各个角度都有一个汽车图像文件夹.我想用一袋文字的方法训练系统识别汽车.一旦完成训练,我希望如果给出该车的图像,它应该能够识别它.

我一直在尝试在opencv中学习BOW功能,以便完成这项工作并达到我现在不知道该做什么的水平,并且一​​些指导将不胜感激.

这是我用来制作文字包的代码:

Ptr<FeatureDetector> features = FeatureDetector::create("SIFT");
    Ptr<DescriptorExtractor> descriptors = DescriptorExtractor::create("SIFT");
    Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create("FlannBased");

    //defining terms for bowkmeans trainer
    TermCriteria tc(MAX_ITER + EPS, 10, 0.001);
    int dictionarySize = 1000;
    int retries = 1;
    int flags = KMEANS_PP_CENTERS;
    BOWKMeansTrainer bowTrainer(dictionarySize, tc, retries, flags);

    BOWImgDescriptorExtractor bowDE(descriptors, matcher);

    //training data now
    Mat features;
    Mat img = imread("c:\\1.jpg", 0);
    Mat img2 = imread("c:\\2.jpg", 0);
    vector<KeyPoint> keypoints, keypoints2;
    features->detect(img, keypoints);
    features->detect(img2,keypoints2);
    descriptor->compute(img, keypoints, features);
    Mat features2;
    descripto->compute(img2, keypoints2, features2);
    bowTrainer.add(features);
    bowTrainer.add(features2);

    Mat dictionary = bowTrainer.cluster();
    bowDE.setVocabulary(dictionary);

这完全基于BOW文档.

我想在这个阶段我的系统是训练有素的.下一步是预测.

这是我不知道该怎么做的地方.如果我使用SVM或NormalBayesClassifier他们都使用术语训练和预测.

我如何预测和训练？任何指导将不胜感激.如何将分类器的训练连接到我的`bowDE``函数？

Answer 1

下一步是提取实际的单词描述符包.您可以使用computeBOWImgDescriptorExtractor中的函数执行此操作.就像是

 bowDE.compute(img, keypoints, bow_descriptor);

使用此函数可以创建描述符,然后将其收集到矩阵中,该矩阵用作分类器函数的输入.也许这个教程可以指导你一点点.

我想提到的另一件事是,对于分类,你通常需要至少2个班级.因此,您还需要一些不包含汽车的图像来训练分类器.