Я разрабатываю английский почерк OCR с OpenCV и Visual C++. Я использую подход на основе зоны для извлечения функций. Здесь я использую 64×64
изображений. Итак, у меня есть 64 функции для одного образца изображения. Мой SVM будет Multi-class SVM, потому что у меня есть 52 класса как для обычных, так и простых букв. Вот формат вектор-функции.Как увеличить данные в Open CV LibSVM
Class A image1 0:0.222000 1:0.0250222 ..... 63:0.000052
Class A image2 (some float values) ....
Class A image200 (some float values)
также у меня есть 200 изображений для обоих 52 классов. При тестировании моя текущая точность равна 35% - 40% only.I прочитал как масштабирующие данные повышают точность прогноза. Но у меня есть несколько вещей, которые нужно прояснить.
Как я могу масштабировать эти значения признаков?
Есть ли функция, чтобы получить вероятность соответствия каждого вектора признаков тестов в OpenCV LibSVM (I поиск OpenCV 2.4.5 документации на, но я не мог найти это).
Может кто-нибудь объяснить это? , а также с некоторыми очень мало строк кода, если это возможно.
Хороший вопрос о данных, «немного увеличенных». Так что просто нырнул на 255; на самом деле для этого случая, когда данные по существу двоичные, а максимальное значение не так велико, вы, вероятно, можете узнать об этом без масштабирования. – Bull
Если вы делите на 255, убедитесь, что вы конвертируете в представление с плавающей запятой. –
@ Josh S - большое спасибо за ваши усилия и учитывая мой вопрос. мои данные уже масштабированы (от 0 до 1). Но мне нужно как-то найти подходящую вероятность. Я чувствую, что чистый LibSVM подходит для моей цели вместо интегрированного OpenCV. –