C++版OpenCV里的机器学习

主要观点总结

这篇文章主要介绍了使用OpenCV的KNN和支持向量机（SVM）方法进行机器学习的过程，包括安装OpenCV、KNN和SVM的定义、方法、训练、测试、评估等各个环节，并涉及词袋（BOW）介绍和在图像分类中的应用。文章还讨论了使用SURF方法提取图像兴趣点，创建字典，以及使用混淆矩阵评估模型性能等内容。

关键观点总结

关键观点1: 使用OpenCV安装KNN和SVM进行机器学习

介绍了在使用C++安装OpenCV时遇到问题的解决方案，并详细阐述了KNN和SVM的定义、方法、训练、测试、评估等流程。

关键观点2: KNN方法

讲解了KNN作为一种有监督学习方法在机器学习中的应用，包括定义、方法、训练、测试、评估等各个环节。

关键观点3: SVM方法

介绍了SVM的定义、方法，以及如何将其应用于图像分类。讨论了支持向量机或大边缘分离器的概念，以及如何解决问题。

关键观点4: BOW和SURF的应用

介绍了BOW（bag of words）和SURF方法在图像分类中的应用，包括创建字典、提取兴趣点、训练模型等步骤。