线性SVM分类器 实现信号/图片分类

提出了基于SVM一种概念上简单但令人惊讶的强大方法，该方法将判别目标检测器的有效性与最近邻居方法提供的显式对应相结合。该方法基于为训练集中的每个示例训练单独的线性SVM分类器。因此，这些示例SVM中的每一个都由一个正实例和数百万个负定义。尽管每个检测器对其示例都非常特定，但我们从经验上观察到，这样的示例-SVM的集成提供了令人惊讶的良好通用性。我们在PASCALVOC检测任务上的性能与Felzenszwalb等人的基于复杂潜在零件的模型相比要复杂得多，只增加了适度的计算成本。但是我们方法的主要好处是，它在每次检测与单个训练样本之间建立了明确的关联。由于大多数检测都显示出与其相关样本的良好对齐