使用Histogram of Ordered Gradients（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Principal Component Analysis（PCA）。下面是我使用的OpenCV代码：
PCA pca(imageT, Mat(), CV_PCA_DATA_AS_ROW, 300);
pca.project(imageT, imageT1);在imageT矩阵中，行数=样本数列数=特征数假设15幅图像
图像的行数为15，列数为57400
在应用PCA后，我想要300个特征;它给我的特征不到15个。我需要帮助。
1条答案
按热度按时间zf2sa74q1#
你需要使用更多的图像进行训练。PCA捕获彼此正交的方差。更多的数据使它能够找到更多的基向量。