嗨,伦纳德,
这个错误的发生是因为bagfeatures是从你所有的训练图像中提取特征并将它们存储在内存中。这是收集特性的一种简单策略，但缺点是需要大量内存。
如果你正在使用“Grid”点选择方法，那么你可以尝试增加GridStep参数[32 32]，这将减少图像中提取特征的位置数量。除此之外，你可以尝试使用“BlockWidth”参数减少块的数量，例如，将其设置为[64 96]。
对于大型数据集，另一种避免此类问题的常见策略是从训练图像中提取特征的子样本数量。
一种方法是定义一个自定义的提取器函数，它只从图像中选择一小部分特征。这里有一个自定义特征提取器的例子:
您可以通过编辑下面的示例来查看m代码:
这个例子使用了bagfeatures默认使用的相同的特征提取方法。
如果查看第69行，您将看到提取特性的位置。然后在第79行，计算特征的强度。
使用强度信息，您可以从图像中选择前50%的特征并返回这些特征，而不是返回所有特征。例如，在第79行之后添加以下代码:
%按特征度量对特征进行排序
[featureMetrics, idx] = sort(featureMetrics, idx)“下”）;
Features = Features (idx，:);
%只保留前50%
numFeatures = size(features,1);
numFeaturesToKeep = floor(0.5 * numFeatures);
features = features(1:numFeaturesToKeep，:);
如果这些都不起作用，那么尝试减少训练图像的数量。
希望这对你有帮助，Birju
