基于matlab的车辆分类（更改图片集的话可以实现动物识别，植物识别

clear all;

isReSplitSamples = 0;
numTrainSam = 20;
numTestSam = 0;
nRounds = 10;

fvFeaturesFlag = 3;    %1-just use only one gmmComponent for all feature maps. 
                       %0-use one gmmComponent for each features map that is the length of gmmComp will be 512 in our experiment
                       %2-regard N（ie.512） feature maps as N dinmension of a patch which is slide in result matrix.
                       %3-regard N（ie.512） feature maps as N dimension of a patch which is slide in result matrix.
                                %In each patch connect each pixel‘s Ndimension features that for one patch it has N * patchW * patchH dimension feature
fvNormFlag = 1;         %1-do normalization in fv 0 - do not
nGMM = 64;
fvSlideWindow.sizePatch = 3;
fvSlideWindow.step = 1;
rationSamGMM = 1;


modelName = ‘imagenet-vgg-m‘;
layerSelected = ‘conv5‘;
dataSet = [modelName‘__‘layerSelected];

%for numTrainSam = [510204080]

resultDir = [‘..\result\‘dataSet‘\resultRecord\‘];
samSplitPath = [‘..\result\‘dataSet‘\sampleSplitted-‘num2str（numTrainSam）‘tr\‘];
if ~isdir（resultDir）
    mkdir（resultDir）;
end
if ~isdir（samSplitPath）
    mkdir（samSplitPath）;
end

dDataSelectedPrePorcForExpPath = ‘..\dataPrePorcess\‘;
dDataSelectedPrePorcForExpPath = [dDataSelectedPrePorcForExpPathmodelName‘__‘layerSelected‘\‘];

libVlfeatPath = ‘..\tool\VLFEAT\vlfeat-0.9.19\toolbox\‘;
liblinearPath = ‘..\tool\liblinear\matlab\‘;
libsvmPath = ‘..\tool\libsvm\matlab\‘;

addpath（liblinearPath）;
addpath（libsvmPath）;
addpath（libVlfeatPath）;
vl_setup;

load（[dDataSelectedPrePorcForExpPath‘samples.mat‘]‘samplesAll‘‘samplesAllLabel‘）;
samplesAllLabel = samplesAllLabel‘;

accuracyAll = zeros（nRounds 1）;
%predLabelAll = cell（nRounds 1）;
%gndLabelAll = cell（nRounds 1）;

for ii = 1:nRounds

disp（[‘***** Round ‘num2str（ii）‘ :‘]）;
if isReSplitSamples
disp（‘***** Splitting the samples to training samples and testing samples...‘）;
[samplesTrainsamplesTestsamplesTrainIndexInAllsamplesTestIndexInAll] = funSplitSamNew（samplesAllsamplesAllLabelnumTrainSamnumTestSam）;
save（[samSplitPath‘round_‘num2str（ii）‘_Splitted.mat‘]‘samplesTrain‘‘samplesTest‘‘samplesTrainIndexInAll‘‘samplesTestIndexInAll‘）;
else
disp（‘***** Loading the training samples and testing samples preslplitted already...‘）;
load（[samSplitPath‘round_‘num2str（ii）‘_Splitted.mat‘]‘samplesTrain‘‘samplesTest‘‘samplesTrainIndexInAll‘‘samplesTestInd