python - 图像的哪些特征会产生用于 SVM 多类图像分类的良好结果？

Question

我正在使用 opencv2.4 和 python 2.7。图像的哪些特征可以用于 svm 分类。我经历了 surf 和 sift 但作为初学者对我来说似乎很难。其他特征提取技术是什么？

Answer 1

如果您正在寻找最简单的表示，那么这会对您有所帮助。与其他 SIFT 和 SURF 相比，这两个非常简单

1. 位图表示
2. HOG-梯度直方图

SVM 是一种用于数据分类的机器学习模型。我构建了一个简单的 svm 分类器。如果你有两个图像文件夹，鸟类和松鼠。我遵循的步骤是

1. 提取图像的 Hog 特征并将其附加到列表中

   for file in listing1:
    img = cv2.imread(path1 + file)
    res=cv2.resize(img,(250,250))
    h=hog(res)
    training_set.append(h)
   

2. 同时附加标签

    training_labels.append(1)
   

3. 将两个列表转换为 numpy 数组。

   trainData=np.float32(training_set)
   responses=np.float32(training_labels)
   

4. 训练 SVM

   svm.train(trainData,responses, params=svm_params)
   

5. 测试 SVM

   result = svm.predict_all(testData)
   print result