我的目标是将车辆分类为轿车和SUV。我使用的训练图像是29张150×200的轿车和SUV图像，因此我的training_mat是一个29×30000的Mat，我使用双重嵌套的for循环来完成这个操作，而不是使用.reshape，因为.reshape不能正常工作。
labels_mat的编写方式是-1对应轿车，1对应SUV。我最终让svm->train接受了这两个Mat，我期望将新的test_image输入svm->predict时会得到-1或1。不幸的是，svm->predict(test_image)返回了一个非常高或非常低的值，比如-8.38e08。谁能帮我解决这个问题吗？
这是我大部分代码：
for (int file_count = 1; file_count < (num_train_images + 1); file_count++) { ss << name << file_count << type; //'Vehicle_1.jpg' ... 'Vehicle_2.jpg' ... etc ... string filename = ss.str(); ss.str(""); Mat training_img = imread(filename, 0); //从文件夹中读取训练图像 int ii = 0; //扫描每一列 for (int i = 0; i < training_img.rows; i++) { for (int j = 0; j < training_img.cols; j++) { training_mat.at<float>(file_count - 1, ii) = training_img.at<uchar>(i, j); //用读取的图像填充training_mat ii++; } }}imshow("Training Mat", training_mat);waitKey(0);//标签用于SVM的监督学习部分。如果是1，则为SUV测试图像。-1表示轿车。 int labels[29] = { 1, 1, -1, -1, 1, -1, -1, -1, -1, -1, 1, -1, -1, -1, -1, -1, -1, 1, 1, 1, -1, -1, -1, -1, 1, 1, 1, -1, 1 };//将标签放入一个29行1列的矩阵中。 Mat labels_mat(num_train_images, 1, CV_32S);cout << "开始训练..." << endl;//设置SVM参数（对这些值不太确定）Ptr<SVM> svm = SVM::create();svm->setType(SVM::C_SVC);svm->setC(.1);svm->setKernel(SVM::POLY);svm->setTermCriteria(TermCriteria(TermCriteria::MAX_ITER, 100, 1e-6));svm->setGamma(3);svm->setDegree(3);cout << "参数已设置..." << endl;svm->train(training_mat, ROW_SAMPLE, labels_mat);cout << "训练结束" << endl;waitKey(0);Mat test_image(1, image_area, CV_32FC1); //创建一个1 x 1200的矩阵来存放测试图像。 Mat SUV_image = imread("SUV_1.jpg", 0); //读取文件夹中的文件int jj = 0;for (int i = 0; i < SUV_image.rows; i++){ for (int j = 0; j < SUV_image.cols; j++) { test_image.at<float>(0, jj) = SUV_image.at<uchar>(i, j); jj++; }}//如果是SUV应该返回1，如果是轿车应该返回-1float result = svm->predict(test_image);cout << "结果: " << result << endl;回答：
你忘记将标签填入labels_mat了。这是一个简单的错误，但每个人都会犯…
Mat labels_mat(num_train_images, 1, CV_32S, labels);
这样应该就可以正常工作了。
