OPencv SVM 预测概率答案

【问题标题】：OPencv SVM predict probabilityOPencv SVM 预测概率
【发布时间】：2013-05-22 21:20:01
【问题描述】：

我正在开发一个使用 BOW 模型和 SVM 的图像分类项目。我想找出 SVM 预测概率，但 opencv svm 中没有这样的功能。有没有办法做到这一点？我想找出 n 类 SVM 中的预测概率。

【问题讨论】：

【解决方案1】：

不，你不能用 CvSVM 做到这一点。 OpenCV 的 SVM 实现基于非常旧的 libsvm 版本。下载最新版本的 libsvm 并改用它。当然，您必须编写一个包装器来转换数据格式。见http://www.csie.ntu.edu.tw/~cjlin/libsvm/

【讨论】：

或者，您可以自己对决策值实施 Platt 缩放，作为获取概率的后处理步骤。
这仍然是 2015 年 4 月的首选方法吗？

【解决方案2】：

正如我的@Bull 所建议的，预测概率未在 OpenCV 中实现。但是有很好的方法可以访问底层libsvm 来获得它。 blog 的详细信息和代码 sn-p 如下：

注意：此函数会加载模型，因此不会从外部加载它。

#include "svm.h"
...
void predict(string modelPath, Mat& hist) {

    const char *MODEL_FILE = modelPath.c_str();
    if ((this->SVMModel = svm_load_model(MODEL_FILE)) == 0) {
        this->modelLoaded = false;
        fprintf(stderr, "Can't load SVM model %s", MODEL_FILE);
        return;
    }

    struct svm_node *svmVec;
    svmVec = (struct svm_node *)malloc((hist.cols+1)*sizeof(struct svm_node));
    int j;
    for (j = 0; j < hist.cols; j++) {
        svmVec[j].index = j+1;
        svmVec[j].value = hist.at<float>(0, j);
    }
    svmVec[j].index = -1; // this is quite essential. No documentation.

    double scores[8]; // suppose there are eight classes
    if(svm_check_probability_model(SVMModel)) {
        svm_predict_probability(SVMModel, svmVec, scores);
    }
}

【讨论】：

【解决方案3】：

您可以尝试生成一个混淆矩阵，它应该告诉您每个图像属于任何类别的概率。 Confusion Matrix

在这里你有一个我找到的 sn-p，虽然它不完整，但它可能会给你一些想法：

map<string,map<string,int> > confusion_matrix; // confusionMatrix[classA][classB] =   number_of_times_A_voted_for_B;
map<string,CvSVM> classes_classifiers; //This we created earlier

vector<string> files; //load up with images
vector<string> classes; //load up with the respective classes

for(..loop over a directory?..) {
Mat img = imread(files[i]),resposne_hist;

vector<KeyPoint> keypoints;
detector->detect(img,keypoints);
bowide->compute(img, keypoints, response_hist);

float minf = FLT_MAX; string minclass;
for (map<string,CvSVM>::iterator it = classes_classifiers.begin(); it !=       classes_classifiers.end(); ++it) {
  float res = (*it).second.predict(response_hist,true);
  if (res < minf) {
     minf = res;
     minclass = (*it).first;
  }
}
confusion_matrix[minclass][classes[i]]++;  
}

我还没有测试它，所以如果你让它工作，我会很感激你在这里交流它:)

来源：a-simple-object-classifier-with-bag-of-words

【讨论】：

我不同意。混淆矩阵概率是给定基本事实的频率论方法。混淆矩阵对于看不见的图像是没有用的。