我想知道,如果您对如何组合多特征提取器以获得更好的分类性能有任何想法。例如,在Nilsback论文"Automated flower classification over a large number of classes"中,他们组合了4个不同的特征提取器。如果您有任何想法,我想知道该怎么做?组合多功能提取器
P.s.我的工作是在C++/opencv
谢谢你先进。
我想知道,如果您对如何组合多特征提取器以获得更好的分类性能有任何想法。例如,在Nilsback论文"Automated flower classification over a large number of classes"中,他们组合了4个不同的特征提取器。如果您有任何想法,我想知道该怎么做?组合多功能提取器
P.s.我的工作是在C++/opencv
谢谢你先进。
一般来说,如果你有多个特征提取器,每个特征提取器都给你一个描述作为一个向量,组合它们的方法就是连接向量。但是,通过这样做,您可以释放信息,例如,您可以使用某些特征描述符是概率分布的事实。
在SVM的情况下,如何利用关于描述符的进一步知识的一种方式是使用独立内核的线性组合,其中每个内核都与您的描述符一起使用。然后你可以将内核适配到它们的描述符,以及线性组合中的权重。这种技术被称为“多核学习”。
这可能是有用的一些要点:
纸请张贴链接到您的被引论文 –
你在这里, http://www.robots.ox.ac.uk/~vgg/publications/papers/nilsback08.pdf – Mario
你想要什么 - 改进检测老鼠e还是让你的代码工作更快? –