这是opencv SVM图分类训练图片和测试图片下载,该训练图片共有四种,很适合做SVM图像分类的训练和测试,图像分类的代码可以自己写,也可以用我的工程文件。
opencv SVM图分类训练图片和测试图片是支持向量机(SVM)中最核心的是什么?个人理解就是前4个字——“支持向量”,一旦在两类或多累样本集中定位到某些特定的点作为支持向量,就可以依据这些支持向量计算出来分类超平面,再依据超平面对类别进行归类划分就是水到渠成的事了。有必要回顾一下什么是支持向量机中的支持向量。
上图中需要对红色和蓝色的两类训练样本进行区分,实现绿线是决策面(超平面),最靠近决策面的2个实心红色样本和1个实心蓝色样本分别是两类训练样本的支持向量,决策面所在的位置是使得两类支持向量与决策面之间的间隔都达到最大时决策面所处的位置。一般情况下,训练样本都会存在噪声,这就导致其中一类样本的一个或多个样本跑到了决策面的另一边,掺杂到另一类样本中。针对这种情况,SVM加入了松弛变量(惩罚变量)来应对,确保这些噪声样本不会被作为支持向量,而不管它们离超平面的距离有多近。包括SVM中的另一个重要概念“核函数”,也是为训练样本支持向量的确定提供支持的。
直接将图片分类好放进完好、破损文件夹,完好文件夹全体重命名为1破损文件夹全体重命名为2,测试文件夹全体重命名为3,重命名后后即可运行项目,完成svm分类训练出分类模型svm.xml,并进行预测图片分类。