使用有序梯度直方图(HoG)我计算了 15 个样本图像的特征。这些样本生成的特征向量非常大(即占用大量内存)。
为了减少这些特征向量,我使用主成分分析(PCA)。这是我正在使用的 OpenCV 代码:
PCA pca(imageT, Mat(), CV_PCA_DATA_AS_ROW, 300);
pca.project(imageT, imageT1);
在imageT矩阵中,行数=行数。样本数
不。列数 = 否。特征数
假设有 15 张图像
imageT 的行数为 15,并且没有。列数为 57400
应用PCA后我想要300个特征;它给了我不到 15 个功能。我需要帮助。
您需要使用更多图像进行训练。 PCA 捕获彼此正交的方差。更多数据使其能够找到更多基向量。