python - 如何在图像上训练 OpenCV SVM 分类器

Question

任务的目的是通过 SVM 对图像进行分类。变量“images”应该包含图像信息，相应的 labels 包含图像标签。 images 和 labels 应该如何构建(什么格式和尺寸)？我尝试将 images 设置为 Python 数组(附加扁平化图像)，但未成功，然后在另一次尝试中尝试使用 Numpy 数组:

images=np.zeros((number_of_images, image_size))
labels=np.zeros((number_of_images, 1))

svm=cv2.SVM()
svm.train(images, labels)

这是解决问题的正确方法吗？如果是，训练分类器的正确方法是什么？

Answer 1

我认为您不能使用原始图像数据来训练 SVM 模型。好吧，好吧，你可以，但不会很有成果。

基本方法是从每张图像中提取一些特征，并使用这些特征来训练您的模型。一组特征构成了一个单词词典，每个单词都描述了您的图像。由于您使用同一组词来描述每个图像，因此您可以比较不同图像对应的特征。 This link介绍更多细节，检查它。

下一步是什么？

1. 为您的算法选择特征提取器 - HOG、SURF、SIFT (link)
2. 从每张图片中提取特征。您将获得与图像数组长度相同的数组。
3. 初始化词袋 (BoG) 模型
4. 使用 BoG 训练 SVM

有用的链接:

1. C++ vey detailed example
2. Documentation for existing BOG classifier