对象检测—OpenCV的SVM 模型训练

SVM是一种训练机器学习的算法，可以用于解决分类和回归问题，同时还使用了一种称之为kernel trick（支持向量机的核函数）的技术进行数据的转换，然后再根据这些转换信息，在可能的输出之中找到一个最优的边界(超平面)。简单来说，就是做一些非常复杂的数据转换工作，然后根据预定义的标签或者输出进而计算出如何分离用户的数据。

支持向量机方法是建立在统计学习理论的VC 维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度，Accuracy）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力（或称泛化能力）。

本文将使用OpenCV的SVM算法来训练文字识别模型（中文文字识别，数字识别，字母识别等）原始训练模型：

原始数据已经共享到百度云盘

直接回复： OpenCV模型

可获取原始数据

模型训练：

1、初始化识别图片

2、图片预处理

3、图片核函数处理

4、建立模型

5、使用原始数据训练模型

5.1 初始化训练

Config.js已经分享到百度云盘

直接回复： OpenCV模型

可获取配置文件

5.2 训练模型（数字字母）

5.3 训练模型（汉字）

6、保存模型

模型训练完成后，我们把训练好的模型保存下来以便后期无需再次训练，直接使用训练好的模型

7、主函数入口，开始训练整个模型

以上便是整个OpenCV SVM的训练模型的整个过程，当然你也可以搜集自己的数据，训练自己的模型，待模型训练完成后，便可以使用训练好的模型，进行图片文字的识别了

本期使用的原始数据便是车牌识别所需要的数据，我们训练了车牌上的数字，字母，以及省份的汉字，下期，我们将利用训练好的模型，对车牌进行识别

Ps：小编的微信公众号正式上线了，

微信搜索公众号：启示AI科技

可以在上面体验不同的AI工具哟

附件

本期基于SVM算法，训练了模型，下期使用模型，进行识别