最近因爲需要實現hog+svm的分類代碼,網上找了一些例子,覺得這篇博客還不錯:http://blog.csdn.net/libin88211/article/details/19968205,下面結合該博客寫一下步驟,供新手們交流學習~~(如果侵犯了版權問題的話,可以聯繫刪除,尊重作者原創~~)
hog幹嘛的?hog就是提取圖片特徵的。hog源程序參考http://blog.csdn.net/huangli19870217/article/details/7695458
準備工作:
1、創建正陽本文件夾“pos”將正陽本放入
pos文件夾用來存放正陽樣本的,下圖是我自己準備的(就是一些狗狗的圖像)
2、創建負樣本文件夾“neg”將負樣本放入
neg文件夾用來存放負樣本,下圖準備的是一些貓的(當然,負樣本嘛,隨便的,可以是其他的東東,不一定非要是貓,只要正陽樣本是狗就行~~)
這裏正負樣本都是20個。
3、製作正陽本文件列表pos_list.txt
製作參考下圖:
4、製作負樣本文件列表neg_list.txt
製作參考下圖:
5、執行下面程序進行訓練,測試
clc;
clear ;
%% 訓練階段
ReadList1 = textread('pos_list.txt','%s','delimiter','\n');%載入正樣本列表
sz1=size(ReadList1);
label1=ones(sz1(1),1); %正陽本標籤
ReadList2 = textread('neg_list.txt','%s','delimiter','\n');%載入負樣本列表
sz2=size(ReadList2);
label2=zeros(sz2(1),1);%負樣本標籤
label=[label1',label2']';%標籤彙總
total_num=length(label);
data=zeros(total_num,1764);
%讀取正樣本並計算hog特徵
for i=1:sz1(1)
name= char(ReadList1(i,1));
image=imread(strcat('D:\daily\冰\機器學習\pos\',name));
im=imresize(image,[64,64]);
img=rgb2gray(im);
hog =hogcalculator(img);
data(i,:)=hog;
end
%讀取負樣本並計算hog特徵
for j=1:sz2(1)
name= char(ReadList2(j,1));
image=imread(strcat('D:\daily\冰\機器學習\neg\',name));
im=imresize(image,[64,64]);
img=rgb2gray(im);
hog =hogcalculator(img);
data(sz1(1)+j,:)=hog;
end
[train, test] = crossvalind('holdOut',label);
cp = classperf(label);
svmStruct = svmtrain(data(train,:),label(train));
save svmStruct svmStruct
classes = svmclassify(svmStruct,data(test,:));
classperf(cp,classes,test);
cp.CorrectRate
%% 訓練完成後保存 svmStruct即可對新輸入的對象進行分類了無需再執行上面訓練階段代碼
load svmStruct
test=imread('test.jpg');
im=imresize(test,[64,64]);
figure;
imshow(im);
img=rgb2gray(im);
hogt =hogcalculator(img);
classes = svmclassify(svmStruct,hogt);%classes的值即爲分類結果
源代碼以及圖片文件已經上傳CSDN,這裏給出鏈接~~