基于matlab和bag of words的图像分类.rar

基于matlab和bag of words的图像分类， 目录中不包含数据集！ 设计目标 输入一幅图像，输出标签 可以固定图片大小 实现 数据集：caltech101 matlab + bag of words 改自ImageCategoryClassificationTrainSample bag of words：利用matlab中bagOfFeatures函数提取SURF特征并K-means聚类构造“词典” svm：利用trainImageCategoryClassifier函数训练线性SVM分类器 测试结果： 训练集正确率：97.91% 测试集正确率：30.11% matlab + cnn + svm 改自DeepLearningImageClassificationSample cnn：利用预先训练好的AlexNet CNN网络获取特征向量，由于AlexNet已经针对ImageNet上的众多样本进行了训练，从其中抽取的特征向量对于一般图像具有较强的区分能力 svm：fitcecoc函数可以方便地训练基于SVM的多分类分类器 测试结果： 训练集正确率：99.67% 测试集正确率：77.95% 运行说明 两个实验文件夹都包含xml、m文件 xml为matlab2016b的新功能，旧版本可使用m文件 两个文件夹都有predictCategory.m文件，该函数输入参数为一幅任意图形，输出参数为类别字符串的元胞数组