如何加快svm.predict？(How to speed up svm.predict?)

我正在写一个滑动窗口提取特征，并将其送入CvSVM的预测功能。 不过，我已经偶然发现的是，svm.predict功能是比较慢的。

基本窗口滑动通固定步长，使图像尺度的数目的图像。

• 遍历图像加上每个窗口中提取特征的速度需要约1000毫秒（1秒）。
• 通过AdaBoost的训练的弱分类纳入导致约1200毫秒（1.2秒）
• 然而，当我通过功能（已被标记为弱分类正）到svm.predict功能，整体运行速度减慢至约16000毫秒（16秒）
• 试图收集所有的“积极”的特点首先，传递给svm.predict利用TBB的线程导致19000毫秒（19秒）之前，可能是由于创建线程所需要的开销，等等。

我OpenCV的构建被编译为包括TBB（线程）和OpenCL（GPU）的功能。

有没有人管理，加快OpenCV的的SVM.predict功能？

我一直停留在这个问题上相当一段时间，因为它是令人沮丧通统计和阈值调整我的测试数据运行此检测算法。

非常感谢读通过这个！

Answer 1:

（答案发布到正式我的意见，上述:)

对于SVM预测算法需要O（NSV * F）时间，其中NSV是支持向量的数量，f是特征的数量。 可以通过用更强的正则化，通过（在预测准确性成本可能）增加超参数Ç即训练可以减少支持向量的数量。

Answer 2:

我不知道什么功能，你都提取但是从你的特征（3780）的尺寸，我会说你是提取HOG。 有生猪“预测”的一个非常强大的，优化的，快速的方法cv::HOGDescriptor类。 所有你需要做的是

1. 提取您的训练猪
2. 把它们放在svmLight格式
3. 使用svmLight线性核训练模型
4. 计算必要用于预测的3780 + 1维矢量
5. 喂矢量setSvmDetector()的方法cv::HOGDescriptor对象
6. 使用detect()或detectMultiScale()进行检测的方法

下面的文档有关于如何实现你正在试图做的非常好的信息： http://opencv.willowgarage.com/wiki/trainHOG虽然我必须警告你，没有在原程序的一个小问题，但它教会你如何正确地处理这个问题。

文章来源: How to speed up svm.predict?