Tamam, HoG özelliklerini kullanmanın gördüğüm neredeyse tüm uygulamalar, sınıflandırıcı olarak linear svm kullanıyor. Birisi bana neden lineer svm'nin seçildiğini ve neden iyi performans verdiklerini açıklayabilir mi?Doğrusal svms neden HoG tanımlayıcılarıyla iyi çalışır?
Lineer svm seçiliyor çünkü polinom veya gauss çekirdeği kullanan ve bu çekirdekleri kullanmak daha basit ve daha kolay antrenman yapmak, daha iyi bir performans göstermiyor mu?
Eğitim. Doğrusal olmayan çekirdek bazı zamanlarda aşırı eğitim ve dolayısıyla kötü test performansına yol açabilir. Bu, bazen verilerinizin ne kadar karmaşık olduğuyla ilgilidir. Genellikle, bir RBF çekirdeği ile kombinasyon halinde karmaşık veriler test doğruluğuna zarar verebilir (örnek nesnelerin dışında model genellemeyi eğitme değil, aşırı yüklenme). Dolayısıyla, çekirdek kararı ve bunların iyi bir şekilde kalibre edilmesi performansı önemli ölçüde etkileyebilir. Umarım bu yardımcı olur! – Darkmoor
@endif İlginç bir soru. Bunu deneyin: "HOG özelliklerinde neden eğitimli doğrusal SVM'ler bu kadar iyi performans gösteriyor?" http://arxiv.org/abs/1406.2419 – Bull