SVM в OpenCV: низкая точность распознавания текста с ядром RBF

Question

Я продолжаю свой проект OCR с использованием MS Visual Studio 2008, OpenCV, C ++ и SVM. Я сгенерировал набор данных из> 2000 образцов печатных машин. Когда я тестирую с линейным ядром, я всегда получаю точность 96,36%.

О том, как я использую SVM в OpenCV, можно узнать в этой теме .

Теперь я пытаюсь использовать ядро ​​RBF и сталкиваюсь с этими 2 проблемами:

(1) Независимо от того, какие параметры (C и гамма) я использовал, все символы всегда были классифицированы как 0 (ноль). Если я проверяю с помощью MNIST, все цифры равны 9.

Я надеюсь, что кто-то с опытом работы в OpenCV & SVM сможет мне объяснить. Я знаю, что есть и другие хорошие фреймворки для машинного обучения и обработки изображений, такие как ACCORD.NET, но я уже использовал C ++, и было бы проблематично превратить всю программу в C # (OCR - это только часть). 1011 *

Версия OpenCV - 2.3.1.

(2) Я перенес эту проблему на другой вопрос в качестве предложения etarion . Если у вас есть время, проверьте это: Visual Studio сообщает об ошибке C2664 с методом поезда SVM в openCV .

Answer 1

Теория предполагает, что при правильных параметрах ядро ​​RBF работает как минимум так же, как и линейное ядро.Поэтому я перечислю наиболее распространенные источники проблем:

• Возможно, у вас возникли численные трудности.Вы нормализовали свои данные?Каждая функция между 0 и 1?или -1 и 1?Каков числовой диапазон фактических значений решения?Каков диапазон значений характеристик?

• Возможно ли, что вы переоцениваете производительность линейного классификатора (т. Е. Тестируете и обучаете по одним и тем же данным?)

• Может быть, ваше мультиклассовое представление каким-то образом некорректно.Одинакова ли разница в производительности для задачи с двумя классами вместо задачи с десятью классами?

Answer 2

Что касается первой части, очень вероятно, что ваши параметры выключены.Существует метод train_auto для автоматической оценки параметров, вы можете расширить используемые диапазоны параметров, если они не дают хороших результатов, передавая методические сетки пользовательских параметров (но сначала попробуйте параметры по умолчанию).