OPencv SVM预测概率

Question

我正在使用BOW模型和SVM开发图像分类项目。 我想要找出SVM的预测概率，但是在opencv svm中没有这样的功能。有什么方法可以实现吗？我想要找出n类SVM的预测概率。

- Shailesh Srivastava

Answer 1

不，您无法使用CvSVM进行此操作。OpenCV的SVM实现基于一个非常旧的libsvm版本。请下载最新版本的libsvm并使用它。当然，您需要编写一个包装器来转换数据格式。详见http://www.csie.ntu.edu.tw/~cjlin/libsvm/

- Bull

---

或者，您可以在决策值上自己实现 Platt 缩放作为后处理步骤来获取概率。 - Marc Claesen

这仍然是截至2015年4月的首选方法吗？ - Poyan

Answer 2

如@Bull所建议的，OpenCV中没有实现预测概率。但是有一种很好的方法可以访问底层libsvm来获得它。博客上有详细说明，代码片段如下：

注意：此函数加载模型，因此不要在外部加载它。

#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);
    }
}

- Milind Deore

---

亲爱的@Valentin H，请不要“改进”这么旧的问题（2013年！！）——所涉及的API已不存在。 - berak

Answer 3

你可以尝试生成混淆矩阵，这将告诉你每个图像属于任何类别的概率。 混淆矩阵

这里有一段我找到的代码片段，虽然它不完整，但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]]++;  
}

我还没有测试过它，所以如果您能让它工作，我将很感激您在此处沟通：）

来源：使用词袋法实现简单对象分类器

- Str1101

---

我不同意。混淆矩阵概率是基于频率学派的方法，给出了真实情况。对于未见过的图像，混淆矩阵是无用的。 - The Nomadic Coder