opencv - 如何使用词袋进行训练和预测？

Question

我有一个文件夹，里面有汽车各个角度的图片。我想使用词袋方法来训练系统识别汽车。训练完成后，我希望如果给出那辆车的图像，它应该能够识别它。

我一直在努力学习 opencv 中的 BOW 功能，以便完成这项工作，但我已经到了一个我不知道现在该做什么的水平，希望能得到一些指导。

这是我用来制作词袋的代码:

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);

这都是基于BOW documentation .

我想在这个阶段我的系统已经训练好了。下一步是预测。

这是我不知道该做什么的地方。如果我使用 SVM 或 NormalBayesClassifier 它们都使用术语训练和预测。

在此之后我该如何预测和训练？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

您的下一步是提取实际的单词描述符包。您可以使用 BOWImgDescriptorExtractor 中的 compute 函数来执行此操作。有点像

 bowDE.compute(img, keypoints, bow_descriptor);

使用此函数，您可以创建描述符，然后将其收集到一个矩阵中，该矩阵用作分类器函数的输入。也许this教程可以为您提供一些指导。

我想提的另一件事是，对于分类，您通常至少需要 2 个类。因此，您还需要一些不包含汽车的图像来训练分类器。