OpenCV中的SVM:使用RBF核的低精度OCR

SVM in OpenCV: low accuracy OCR with RBF kernel

本文关键字：精度 OCR RBF 中的 SVM 使用 OpenCV      更新时间：2023-10-16

我正在使用MS Visual Studio 2008、OpenCV、C++和SVM进行OCR项目。我已经生成了一个包含2000多个机器打印字符样本的数据集。当我用线性核进行测试时，我总是得到96.36%的准确率。

我如何在OpenCV中使用SVM可以在这个线程中参考。

现在我尝试使用RBF内核，遇到了以下两个问题：

（1） 无论我使用什么参数（C和gamma），所有字符都始终分类为0（零）。如果我用MNIST测试，所有的数字都是9。

我希望有人在OpenCV&SVM可以向我解释。我知道还有其他一些很好的机器学习框架；像ACCORD.NET这样的图像处理，但我已经使用了C++，将整个程序转换成C#会很麻烦（OCR只是其中的一部分）。

OpenCV的版本为2.3.1。

（2） 我把这个问题转移到另一个问题上，作为etarion的建议。如果您有时间，请查看：Visual Studio在openCV中使用SVM的训练方法报告错误C2664。

理论表明，在正确的参数下，RBF核至少与线性核一样有效。因此，我将列出常见的问题来源：

  • 你可能在数字上有困难。你的数据标准化了吗？每个功能都在0和1之间吗？还是-1和1？实际决策值的数值范围是多少？特征值的范围是多少？

  • 你是否可能高估了线性分类器的性能（即在相同的数据上测试和训练？）

  • 可能是你的多类表示在某种程度上有缺陷吗。同样的性能差异适用于两类问题而不是十类问题吗？

对于第一部分，您的参数很可能是关闭的。有一种用于自动参数估计的train_auto方法，如果使用的参数范围没有产生好的结果，您可以通过将自定义参数网格传递给该方法来扩展这些范围（但先尝试默认参数）。

相关文章：