背景:
主要任务是对五种花的图像进行分类。每一类训练集300+张,测试集150+张。
算法过程:使用Opencv的SIFT特征提取,提取到训练集每张图片的SIFT描述子。对描述子进行Kmeans聚类,得到聚类中心后,对训练集每张图片提取到sift描述子计算聚类中心的欧氏距离,从而将图片转化为特征向量,输入到SVM算法中。
调参情况如下:
问题:
为啥聚类最大迭代次数为1时,效果为最好?
这样不就等于没有聚类,直接随机选择N个中心点,计算距离来转化特征向量一样吗?
有没有大能解惑。
背景:
主要任务是对五种花的图像进行分类。每一类训练集300+张,测试集150+张。
算法过程:使用Opencv的SIFT特征提取,提取到训练集每张图片的SIFT描述子。对描述子进行Kmeans聚类,得到聚类中心后,对训练集每张图片提取到sift描述子计算聚类中心的欧氏距离,从而将图片转化为特征向量,输入到SVM算法中。
调参情况如下:
问题:
为啥聚类最大迭代次数为1时,效果为最好?
这样不就等于没有聚类,直接随机选择N个中心点,计算距离来转化特征向量一样吗?
有没有大能解惑。