MatlabのSVMトレーニングと分類の精度を上げるには？

Question

私はいくつかの画像でSVMトレーニングを受けています。これはSVMを使った私の最初のプロジェクトです。私は、HOG特徴抽出を用いて特徴を抽出している。フィーチャーをトレーニングし、地平線上にある場合は1にラベルを付け、バックグラウンド上にある場合は0にラベルを付けます。トレーニング用に74枚、テスト用に7枚の画像があります。残念ながら、私は50％以上の精度を超えることはできません。イメージサイズを変更しました。フィーチャ抽出でセルサイズを再生しました。そんなに変わることはありません。私は何を試すことができますか？そして、理想的なデータセット番号は何ですか？訓練とテストのために何枚ですか？たとえば、ある画像では、次の画像のすべての正解がすべて間違っていると予測します。

これは正確度を計算する方法です。

%%%%% Evaluation 
% Testing Data 
hfsTest = vertcat(dataset.HorizonFeatsTest{:}); 
bfsTest = vertcat(dataset.BgFeatsTest{:}); 
test_data = [hfsTest;bfsTest]; 
% Labels 
hlabelTest = ones(size(hfsTest,1),1); 
blabelTest = zeros(size(bfsTest,1),1); 
test_label = [hlabelTest;blabelTest]; 

Predict_label = vertcat(results.predicted_label{:}); 

acc = numel(find(Predict_label==test_label))/length(test_label); 
disp(['Accuracy ', num2str(acc)]); 
%done 

% Training Data 
hfs = vertcat(dataset.HorizonFeats{:}); 
bfs = vertcat(dataset.BgFeats{:}); 
train_data = [hfs;bfs]; 
% Labels 
hlabel = ones(size(hfs,1),1); 
blabel = zeros(size(bfs,1),1); 
train_label = [hlabel;blabel]; 

%%% 
% do training ... 
svmModel = svmtrain(train_data, train_label,'BoxConstraint',2e-1); 

及びIはPredict_label_image = svmclassify（svmModel、image_feats）を使用しています。テスト用。

Answer 1

多くのチューニングが必要です。ここではdocumentationにはあなたがプレイできるすべてのハイパーパラメータがあります。 rbfカーネルを使い、BoxConstraintのために[0.01、0.1、1、10]を試してみましょう。

異なるハイパーパラメータ設定を試していないと、svmが動作するとは思えません。