README_ZH.md

基于词袋模型(Bow)的场景图像分类系统————以15-Scene数据集为例

---

主要任务：

使用传统视觉方法（视觉词袋模型）完成图像分类

主要思路：

提取sift局部特征，进行KMeans聚类以获取视觉词汇(visual words)，使用每个图像包含的视觉词汇的统计直方图特征训练SVM。

数据集划分

每个类别取前150个图像作为训练集，剩余的用于验证

超参数设置：

1. 增加特征提取器的nOctiveLayers有助于提取更丰富的局部特征表示，但代价是计算量也提升了，实验中取值为5
2. KMeans聚类簇数n_clusters，也就是词汇表的大小，其数量越大可以提取更加细粒度和丰富的图像表示，也有助于提高准确率
3. SVM模型的kernel，使用rbf径向基函数效果最佳
4. SVM模型的C值：这里取10.0，也还不错

以上模型参数下，模型准确率可以达到60%

• 实验报告文档
• 参考论文