图像识别能力测试结果

数据测试结果报告

本实验采用四种分类：猫，海豚，熊猫，向日葵作为测试，测试方法：（1）从四种分类中随机选取70%图片作为机器学习数据，生成数据库。

（2）利用四种分类中剩余的30%图片进行测试，确定分类的准确率（3）通过调整各个参数，来确定规律，为后期准确识别病虫害做基础。

（4）四个分类共有图片：222张，训练图像157张，测试图像65张（5）本次测试未对图片进行预处理，测试的图片尺寸也未进行统一化。在实际项目中针对不同的要求，对图片进行针对的预处理，识别效果可能会更好。

首先固定分类器chi-square kernel，测试不同内核对速度和准确率的影响

1、数据长度HOG的影响（分类器采用chi-square kernel）

对于HOG内核，采用多少位数据来表示图片，对准确率影响不大，对速度也影响不大但是相对于其他内核来说，训练数据特别快，适合一些大公司使用，且对准确率要求不高。

2、数据长度SURF的影响

很明显能看到，采用SURF内核，训练数据用时相比hog会增加很多，准确率也随着数据长度的增加，准确率增加，效果不是很明显

3、数据长度FREAK的影响

很明显能看到，采用FREAK内核，训练数据用时会增加特别多，准确率也随着数据长度的增加，准确率增加，该内核对计算机要求太高，不采用

下面固定内核位SURF,数据长度为36，来测试不同的分类器数据训练的表现

1.下面测试采用不同的分类器

由以上分析结果可知，本次开发程序选择36位长度，surf内核，histogram kernel 分类器，分类器参数暂定为：1,0.01,500，后面数据收集多了，在进行优化。