我的目标是分类不同类型的汽车（轿车、SUV、掀背车）。之前我使用角点特征进行分类，但效果不佳，因此现在我尝试使用Gabor特征。
现在特征已经提取出来，假设当我输入一张图片时，对于5个尺度和8个方向，我会得到2个[1×40]的矩阵。
1. 40列的平方能量。
2. 40列的平均振幅。
问题是我想使用这两个矩阵进行分类，我有大约230张图片，分为3个类别（SUV、轿车、掀背车）。
我不知道如何创建一个[N x 230]的矩阵，以便在MATLAB中作为神经网络的输入（其中N是单张图片的总特征数）。
我的问题是：
-
如何从一张图片的2个[1×40]矩阵创建一个一维图像向量。（我应该将平均振幅附加到平方能量矩阵上以得到一个[1×80]的矩阵，还是有其他方法？）
-
我是否应该首先使用这些Gabor特征进行分类？如果不应该，那么应该使用什么？
提前感谢
回答：
一般来说，没有什么需要考虑的——简单的神经网络需要一维特征向量，并且不关心顺序，因此你可以简单地将任意数量的特征向量连接成一个（甚至可以随机排序——这无关紧要）。特别是如果你有相同的特征矩阵，你也可以将每一行的特征连接起来，创建一个向量化格式。
唯一的例外是当你的数据实际上具有某种几何依赖性时，例如——矩阵实际上是一个像素矩阵。在这种情况下，像PyraNet、卷积神经网络等基于这种2D结构应用某种感受野的架构会更好。但这些实现简单地接受2D特征向量作为输入。
