lihit / sml

supervised muticlass label,EM algorithm,web search,MixGaussModel

文件说明

• DataSet 文件夹里是数据集
• models 文件夹里是训练生成的模型

使用方式

• 运行train.m，就可以进行训练，给的训练集总共有260个语义类。
  • 扩展EM部分(mixGaussEmExtension.m)迭代会比较慢。
  • 训练完成后，会在models文件夹里生成260个.mat文件，代表每个语义类的模型。
  • 每个语义类的模型都是一个struct格式。
  • 还会在models文件夹里生成一个PW.mat文件，表示每个语义类的概率。
• 运行predict.m可以对单张图片进行预测。
• 运行predict_demo.m，可以随机抽取测试集的12张图片，然后预测他们的标签后，在界面上显示出来，是一个展示的demo.

建议

• 模型训练的速度会比较慢，建议没有足够多的时间的话，就只训练20个语义类就好，可以控制训练哪几个语义类，在 train.m里修改第八行代码即可，比如：

for i=1:ClassNum %代表训练完
for i=1:20 %代表前20个类
for i= 3:3:200
...

• 提供的数据集每一个语义类的图片数目差别比较大，可以更换更好的数据集。

更新

• 260个类的模型我都已经跑出来了，但是太大就不上传到github了，如有需要，请email我[email protected]。
• 下面上两张结果图：