我正在使用Opencv svm进行图像分类。我的分类问题是对汽车，书籍等物体进行分类。确定模型后，我将测试图像添加到训练集中，然后使用1对所有训练方法训练系统。
但这是一个非常昂贵的计算，因为我必须在基于系统组添加分类帧之后训练系统。后来我在添加5帧而不是10帧之后将其更改为训练，但是在计算方面似乎太昂贵了。
我遇到了一种方法，我不知道它是如何工作的，即“一对一培训”。在实现1对1训练时，我需要一些帮助，这样我就不会训练整个不同类别的训练集，而只是测试图像所属的那个训练集。
我的困惑是:如何分别训练后合并训练信息？
也许由于我是SVM的新手，所以我对这个概念的处理不正确，因此在这种情况下，请帮帮我。
最佳答案
如果我对您的理解正确，那么您就可以成功地对成对的类训练SVM。现在，您想知道如何结合这些SVM的答案来做出最终决定。
通常，为此使用最大投票策略。
如果您拥有受过训练的SVM，可以根据输出区分A类和B类，则它会投票给A类或B类。您可以对所有训练过的SVM进行投票。然后，得票最多的类(class)获胜。
关于opencv - 支持向量机一对一训练，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/17667504/