如何使用词袋进行训练和预测？

我有一个文件夹，里面有汽车各个角度的图像。我想使用词袋方法来训练系统识别汽车。训练完成后，我希望如果给出那辆车的图像，它应该能够识别它。

我一直在尝试学习 opencv 中的 BOW 函数，以便完成这项工作，并且已经达到了我现在不知道该怎么做的水平，并且希望得到一些指导。

这是我用来制作词袋的代码：

Ptr<FeatureDetector> features = FeatureDetector::create("SIFT");
    Ptr<DescriptorExtractor> descriptors = DescriptorExtractor::create("SIFT");
    Ptr<DescriptorMatcher> matcher = DescriptorMatcher::create("FlannBased");

    //defining terms for bowkmeans trainer
    TermCriteria tc(MAX_ITER + EPS, 10, 0.001);
    int dictionarySize = 1000;
    int retries = 1;
    int flags = KMEANS_PP_CENTERS;
    BOWKMeansTrainer bowTrainer(dictionarySize, tc, retries, flags);

    BOWImgDescriptorExtractor bowDE(descriptors, matcher);

    //training data now
    Mat features;
    Mat img = imread("c:\\1.jpg", 0);
    Mat img2 = imread("c:\\2.jpg", 0);
    vector<KeyPoint> keypoints, keypoints2;
    features->detect(img, keypoints);
    features->detect(img2,keypoints2);
    descriptor->compute(img, keypoints, features);
    Mat features2;
    descripto->compute(img2, keypoints2, features2);
    bowTrainer.add(features);
    bowTrainer.add(features2);

    Mat dictionary = bowTrainer.cluster();
    bowDE.setVocabulary(dictionary);

这一切都是基于弓文档 http://docs.opencv.org/modules/features2d/doc/object_categorization.html#bowtrainer-getdescriptors.

我认为在这个阶段我的系统已经训练好了。下一步是预测。

这是我不知道该怎么做的地方。如果我使用SVM or NormalBayesClassifier他们都使用术语“训练”和“预测”。

之后我如何预测和训练？任何指导将不胜感激。如何将分类器的训练连接到我的“bowDE”函数？

下一步是提取实际的单词描述符包。您可以使用compute来自 BOWImgDescriptorExtractor 的函数。就像是

 bowDE.compute(img, keypoints, bow_descriptor);

使用此函数创建描述符，然后将其收集到一个矩阵中，该矩阵用作分类器函数的输入。或许this http://www.morethantechnical.com/2011/08/25/a-simple-object-classifier-with-bag-of-words-using-opencv-2-3-w-code/教程可以给你一点指导。

我想提的另一件事是，对于分类，通常至少需要 2 个类。因此，您还需要一些不包含汽车的图像来训练分类器。