我在 OpenCV 中做了禁止交通标志检测。现在，我想认出他们。比如我在检测时需要区分限速20km/h和限速30km/h。
为了节省时间，我决定使用德国交通标志识别 (GTSRB) 基准的预计算特征进行分类训练。 在 GTSRB 中有 12 个不同的禁止交通标志类别，其余为其他类别。对于每个训练图像，计算 HOG、HAAR 和 Hue 直方图特征并将其存储在不同的文件夹中。我正在使用预先计算的 HOG 特征，每个训练图像的矢量维度为 1568。
关于准备 LIBSVM 格式的训练数据矩阵，我有两个想法。我不确定应该使用哪种格式进行多类分类。我已经编写了 C++ 程序来将不同文件中的特征转换为 LIBSVM 格式。
问题1:以下哪些思路是识别禁止交通标志的正确方法？
问题 2:我需要实时可视化已识别的标志。但是，libsvm 中的示例仅显示准确度级别。 libsvm 是正确的选择还是我应该在运行交通标志检测程序时在 OpenCV 中创建训练数据矩阵？
想法 1:为所有禁止类别分配 +1 标签，为其他类别分配 -1
+1 1:0.32 2:0.27 3: 0.01 ... 1568:0.04 //class 1 - speed limit 20
. //features of training images
.
.
+1 1:0.44 2:0.12 3: 0.23 ... 1568:0.03 //class 2 - speed limit 30
. //features of training images
.
.
+1 1:0.32 2:0.27 3: 0.01 ... 1568:0.04 //class 12 - speed limit 80
. //features of training images
.
.
-1 1:0.32 2:0.27 3: 0.01 ... 1568:0.04 //other classes
. //features of training images
.
.
想法 2:为每个禁止类分配 12 个不同的标签，为所有其他类分配 -1。
+1 1:0.32 2:0.27 3: 0.01 ... 1568:0.04 //class 1 - speed limit 20
. //features of training images
.
.
+2 1:0.44 2:0.12 3: 0.23 ... 1568:0.03 //class 2 - speed limit 30
. //features of training images
.
.
+12 1:0.32 2:0.27 3: 0.01 ... 1568:0.04 //class 12 - speed limit 80
. //features of training images
.
.
-1 1:0.65 2:0.72 3: 0.12 ... 1568:0.12 //all other classes
. //features of training images
.
.
提前致谢
最佳答案
Q1 如果可行，您应该更喜欢想法 1。原因是它需要的培训要少得多。如果有 N 个类，对于多类分类，LIBSVM 在内部训练 N(N-1)/2 个分类器。
因此，如果 N=2(想法 1)，LIBSVM 训练一个分类器。但是如果 N=13(想法 2)，LIBSVM 训练了 78 个分类器。 这并不意味着它会慢 78 倍，但它会变得复杂。
Q2 这无法回答，因为它取决于您没有提到的事情，并且有点见仁见智。
关于opencv - libsvm - 用于多类分类的训练数据格式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/25056948/