這是opencv SVM圖分類訓(xùn)練圖片和測試圖片下載，該訓(xùn)練圖片共有四種，很適合做SVM圖像分類的訓(xùn)練和測試，圖像分類的代碼可以自己寫，也可以用我的工程文件。3y6紅軟基地

軟件介紹

opencv SVM圖分類訓(xùn)練圖片和測試圖片是支持向量機（SVM）中最核心的是什么？個人理解就是前4個字——“支持向量”，一旦在兩類或多累樣本集中定位到某些特定的點作為支持向量，就可以依據(jù)這些支持向量計算出來分類超平面，再依據(jù)超平面對類別進行歸類劃分就是水到渠成的事了。有必要回顧一下什么是支持向量機中的支持向量。3y6紅軟基地

軟件說明

上圖中需要對紅色和藍色的兩類訓(xùn)練樣本進行區(qū)分，實現(xiàn)綠線是決策面（超平面），最靠近決策面的2個實心紅色樣本和1個實心藍色樣本分別是兩類訓(xùn)練樣本的支持向量，決策面所在的位置是使得兩類支持向量與決策面之間的間隔都達到最大時決策面所處的位置。一般情況下，訓(xùn)練樣本都會存在噪聲，這就導(dǎo)致其中一類樣本的一個或多個樣本跑到了決策面的另一邊，摻雜到另一類樣本中。針對這種情況，SVM加入了松弛變量（懲罰變量）來應(yīng)對，確保這些噪聲樣本不會被作為支持向量，而不管它們離超平面的距離有多近。包括SVM中的另一個重要概念“核函數(shù)”，也是為訓(xùn)練樣本支持向量的確定提供支持的。3y6紅軟基地

相關(guān)介紹

直接將圖片分類好放進完好、破損文件夾，完好文件夾全體重命名為1破損文件夾全體重命名為2，測試文件夾全體重命名為3，重命名后后即可運行項目，完成svm分類訓(xùn)練出分類模型svm.xml，并進行預(yù)測圖片分類。3y6紅軟基地

軟件截圖

3y6紅軟基地