【发布时间】：2018-10-25 23:45:54
【问题描述】：
我正在使用比利时交通标志数据集在 MATLAB 中编写交通标志识别代码。这个数据集可以在here找到。
数据集由训练数据和测试数据（或评估数据）组成。
我使用 VL_feat 库中的 VL_HOG 函数调整了给定图像的大小并提取了 HOG 特征。
然后，我使用训练数据集中的所有符号训练了一个多类 SVM。训练集中有 62 个类别（即不同类型的交通标志）和 4577 帧。
我使用fitcecoc函数获取分类器。
在训练多类 SVM 时，我想使用测试数据测试分类器性能，我分别使用了 predict 和 confusionmat 函数。
由于某种原因，返回的混淆矩阵的大小是 53 x 53 而不是 62 x 62。
为什么混淆矩阵的大小与类别数不一样？
【问题讨论】：
-
您的测试数据可能不包含 62 个类。您可以通过
unique(y_test)进行检查。
标签： matlab machine-learning computer-vision classification svm