【機器學習】【Python】二、HoG + PCA + SVM 物體分類 ---- 《SVM物體分類和定位檢測》

2017年6月14日#Machine Learning60

AI 翻譯

這篇文章透過AI由英文翻譯成繁體中文。查看原文

AI 生成的摘要

這篇文章介紹了使用HoG + PCA + SVM進行物體分類的方法。作者在文章中提到，他最初以為通過PCA降維並提取排名靠前的特徵可以提高分類效果，但後來他意識到這是錯誤的。儘管如此，這種方法仍然可以提高模型的魯棒性並降低誤檢測率。文章還提供了相關的程式碼和後記中提到作者將在有時間時上傳PSO程式碼。

** 最新代碼 Github 地址： ** https://github.com/HansRen1024/SVM-classification-localization

前言#

當初想當然的以為通過 PCA 降維並提取排名考前的特徵可以提高分類效果，結果是我錯了。後來也想明白了，因為是同時對正負樣本一起降維。也不是一點作用沒有，模型的魯棒性還是有提高的，誤檢測率有明顯下降。

[HoG 代碼]#

(https://github.com/HansRen1024/SVM-classification-localization)

[PCA + SVM 代碼]#

(https://github.com/HansRen1024/SVM-classification-localization)

[測試 SVM 代碼]#

(https://github.com/HansRen1024/SVM-classification-localization)

後記#

等有時間了我上 PSO 代碼。