opencv - 在OpencV中重新训练SVM分类器?

标签 opencv svm

我使用SVM作为分类器构建了图像分类系统。出于我的目的,我获得了很好的分类结果,但是我正在寻找一种改进方法。假设对于查询图像,系统使用错误分类进行响应。有什么方法可以使用此新数据重新训练SVM分类器。我使用来自OpenCV的SVM。我需要使用其他分类器或学习系统吗?

最佳答案

您可以尝试使用其他分类器,但是改善现有系统的一种简单方法是使用硬底片重新训练您的分类器。要做到这一点:

  • 在带有负样本的训练集中使用原始分类器,找到所有假阳性。这些就是所谓的“硬底片”。
  • 使用原始训练数据集重新训练您的系统,并在上一步中找到硬性否定词。
  • 如果重复一次或两次上述步骤,可能会得到更好的结果。

  • 最终获得的分类器应该比开始时使用的分类器更好。注意不要从测试数据集中得到硬性否定,因为这会给您不正确的结果。

    关于opencv - 在OpencV中重新训练SVM分类器?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17551036/

    相关文章:

    image-processing - 跟踪与人脸检测相关的人体 Blob

    opencv - 我安装了opencv-python获取导入错误

    machine-learning - 我应该如何使用 julia 训练 SVM?

    r - 在 R 中为 svm 编写自定义内核

    machine-learning - SVMlight 中的预测文件是什么?

    android - 使用 OpenCV4Android,如何从轮廓创建 ROI(感兴趣区域或子垫)?

    opencv - 如何在两个简单形状之间找到单应性?

    python - cv2.imread和os.listdir不起作用

    java - 如何在 LibSVM 中使用 'svm_toy' Applet 示例?

    c++ - SVM 训练数据误差