image - 如何使用 SIFT 和 SVM 实现通用图像分类器

Question

我想用 scikit-learn 训练我的 svm 分类器进行图像分类。
而我想使用opencv-python的SIFT算法函数来提取图像特征，情况如下:

1. scikit-learn的svm分类器输入的是一个二维数组，即每一行代表一张图片，每张图片的特征量是一样的； here
2. opencv-python 的 SIFT 算法返回一个关键点列表，它是一个形状为 的 numpy 数组. here
所以我的问题是:
我如何处理 SIFT 特征以适应 SVM 分类器的输入？你能帮助我吗 ？

更新1:

感谢 pyan 的建议，我调整了我的建议如下:
1.从每张图片中获取SIFT特征向量
2.对所有向量执行k-means聚类
3.基于聚类中心创建特征字典，又名cookbook
4.根据特征字典重新表示每张图片，当然每张图片的维度量是一样的
5. 训练我的 SVM 分类器并对其进行评估

更新2:

我已将所有图像 SIFT 特征向量收集到一个数组(x * 128)中，该数组非常大，然后我需要对其进行聚类。
问题是:

如果我使用 k-means ，必须设置参数簇数，我不知道如何设置最佳值；如果我不使用 k-means，哪种算法可能适合这个？note:I want to use scikit-learn to perform clustering我的建议是:
1.对向量执行dbscan聚类，然后我可以得到label_size和labels；
2.由于scikit-learn中的dbscan不能用于预测，我可以根据dbscan的结果训练一个新的分类器A；
3. 分类器 A 就像一本食谱，我可以标记每个图像的 SIFT 向量。之后，每个图像都可以重新表示；
4.基于上述工作，我可以训练我的最终分类器B。note:for predict a new image, its SIFT vectors must be transform by classifier A into the vector as classifier B's input
你能给我一些建议吗？

Answer 1

图像分类可以很笼统。为了定义好的特征，首先你需要明确你想要什么样的输出。例如，图像可以根据其中的场景分为自然景观、城市景观、室内景观等。不同种类的分类可能需要不同种类的特征。

计算机视觉中用于基于关键字的图像分类的常用方法是词袋(特征装袋)或字典学习。您可以进行文献搜索以熟悉该主题。在您的情况下，基本思想是将 SIFT 特征分组到不同的集群中。而不是直接喂scikit-learn使用SIFT特征，给出特征组频率的向量作为输入。所以每个图像都将由一个一维向量表示。

来自维基百科的简短介绍 Bag-of-words model in computer vision