在 MATLAB 中实现朴素贝叶斯最近邻 (NBNN)

Question

几天前我在 CV SO 上发布了这个question，但论坛基本上没有注意到它。我正在尝试在 MATLAB 中实现 NBNN 以对 CIFAR-10 图像数据集进行图像分类。该算法非常简单，我对它的正确性充满信心，但是，我收到的准确率非常糟糕，只有 22-28%。我不确定为什么，我希望有图像分类或算法经验的人能指出我正确的方向。该算法从 SIFT 图像描述符中学习，这可能是它表现不佳的原因之一。 Matlab 只有一个 SURF 特征检测器。根据我的阅读，SURF/SIFT 基本上是等效的。我一直在使用从下面的函数获得的features, (nDescriptros x 64) 来训练我的模型。

points = detectSURFFeatures(rgb2gray(image));
[features,valid_points] = extractFeatures(image,points);

CIFAR 数据集和这种方法的另一个可能问题是图像尺寸过小。每张图片都是 32 x 32 的图片，我相信这使得特征检测变得非常困难。我在detectSURFFeatures() 中尝试过不同的八度设置，但没有任何东西可以使我的准确度超过 28%。

该方法的注释代码如下。这很难理解，但仍然可能会有所帮助。

希望有人可以帮助我。

for i = 3001:4000 %Train on the first 3000 instances and test on the remaining 1000.
    closeness = [];
    for j = 1:10 %loop over the 10 catergories
        class = train(trainLabel==j,:); % Pull out all descriptors that belong to class j
        descriptor = test(test_id==i,:); % Pull out all descriptors for image i
        [idx,dist] = knnsearch(class,descriptor,'K',1); % Find the distance between the descriptors and the closest labeled descriptor in class j.
        total = sum(dist); % sum up distances
        closeness = [closeness,sum(total)]; % append a vector of the image-to-class distances.
    end
    [val,cat] = min(closeness); % Find choose the class that resulted in the lowest, summed distance.
    predLabel = [predLabel;cat]; % Append to a vector of labels.
    i
end

Answer 1

如果您的图像是 32x32 像素，那么尝试检测兴趣点并不是一个好主意。正如您所观察到的，如果有的话，您将获得很少的功能。对图像进行上采样是一种选择。另一种选择是使用全局描述符，如 HOG (extractHOGFeatures)。