نقل قول:
نوشته اصلي بوسيله s.b
با سلام.
من کارم دقیقا تشخیص عیوب سطوح چوب هست. ویژگی های تصویر رو با sift بدست آوردم و با svm می خوام کار دسته بندی رو انجام بدم.
مثلا یک تصویر سطح چوب را که به تابع sift داده ام 443 نقطه کلیدی پیدا کرده است و دو متغیر با نام های descrips و loc نیز داده است.
متغیر descrips ماتریسی 128*443 خانه ای است که ویژگی های تصویر را دارد. من این ماتریس را متوجه نمی شوم.....
همچنین نمی دانم کدام یک از این خروجی های تابع sift رو باید به svm بدهم....
اگر دارم اشتباه می کنم لطفا راهنمایی کنید....ممنون
با تشکر.
|
به نام خدا
در مورد sift بیشتر مطالعه کنید. چنانکه احتمالا می دانید sift به ازای هر نقطه کلیدی یک بردار ویژگی 128 عنصری بعنوان خروجی میدهد بنابراین برای معرفی هر عنصر مهم یا بعبارتی همان نقاط با اهمیت یک (مثلا) آرایه 128 عضوی داریم. حالا اگر شما 443 نقطه کلیدی رو استخراج کرده باشید (که توصیه می کنم با pca اون رو کاهش بدید و مثلا 100 نقطه خیلی مهم رو انتخاب کنید) قاعدتا باید یک آرایه دو بعدی 128*443 داشته باشید که باید تحویل svm بدید.
موفق باشید