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种不同的特征提取器。如果您有任何想法,我想知道该怎么做?
P.s.我的工作在C ++ / opencv中
在此先感谢您。
最佳答案
通常,如果您有多个特征提取器,每个特征提取器都向您提供了一个向量描述,则将它们组合的方法就是将向量串联起来。但是,通过这样做,您可以松散信息,例如,您可以使用某些特征描述符是概率分布的事实。
在使用SVM的情况下,如何利用有关描述符的更多知识的一种方法是使用独立内核的线性组合,其中每个内核都与一个描述符一起使用。然后,您可以使内核适合其描述符,以及线性组合中的权重。这种技术称为“多核学习”。
一些可能有用的指针:
弗朗西斯·巴赫(Francis Bach)的a paper on MKL and SVM,也在您引用的论文中引用
NIPS'09 workshop on MKL和NIPS'10 workshop on MKL
关于image-processing - 结合多功能提取器,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/7371884/