装修企业网站建设,开发公司名称推荐,个人服务平台,ftp中如何找到网站首页又和同学肝了半个上午#xff08;主要是一二节有课#xff09;#xff0c;完成了天气图像识别的第二期练习 一开始几个题不难#xff0c;挺简单的#xff0c;到后面出现HOG特征拟合svm模型#xff0c;HOG提取特征#xff0c;又是现学内容 HOG特征的维数用cv2.HOGDescrip…又和同学肝了半个上午主要是一二节有课完成了天气图像识别的第二期练习 一开始几个题不难挺简单的到后面出现HOG特征拟合svm模型HOG提取特征又是现学内容 HOG特征的维数用cv2.HOGDescriptor()来做 最后用shape来反应维数
import cv2
import matplotlib.pyplot as plt
imgcv2.imread(/home/kesci/input/weather_image1552/训练集/100.jpg,0)
plt.imshow(img)
hgcv2.HOGDescriptor()
winSreide(64,64)
padding(16,16)
hg.getDescriptorSize()
hgghg.compute(img,winSreide,padding)
hgg.shape还有个题是的HOG特征拟合svm模型得到的模型的第一个系数是多少? 这个第一个系数属实把我俩看懵逼了啥玩意最后找了一阵子资料都没有找到关于第一个系数的相关知识发现下面有个求得分的于是我们先转移目标 训练得分题一般都是满分是1分题目要求保留小数点后一点那答案蒙也能蒙出来但是抱着学习的态度决定先算算
主要为这几部分
svm SVM(max_iter200)这个是最大迭代次数可以理解成训练多少次
svm.fit(X_train, y_train)这是训练部分 ‘train done!’
svm.score(X_test, y_test)这是用模型来检验成绩
官方资料显示基于SVM的图像分类需要依靠HOG提取的特征拟合模型时将HOG提取出的特征向量作为X将样本的类别标签作为y 而上一题我们已经求出特征向量而题目的样本类别标签也已经给出我们要做的就是将两者一一对等连接起来并进行训练 而在本题中X_trainX_testY也是一样大致思路这样 但是过程中出现很多小问题比如格式不对等以及题目要求kernel的类型和svm的随机态设置为2020这些在SVC的函数中直接修改即可
clf SVC(kernellinear,random_state2020)import cv2
import matplotlib.pyplot as plt
import numpy as np
import json
with open(/home/kesci/input/weather_image1552/train.json,r) as f:js_datajson.load(f)
cnt0
mp{sunny:0,cloudy:1}
js_pic[]
js_lab[]
for key in js_data:if(cnt10):js_pic.append(key)js_lab.append(mp[js_data[key]])cnt1
# for i in range(len(v_pic)):
# print(v_pic[i],v_lab[i])
prePath/home/kesci/input/weather_image1552/训练集/
features[]
for i in range(len(js_pic)):imgcv2.imread(prePathjs_pic[i],0)# plt.imshow(img)dsize(100,128)img_rscv2.resize(img,dsize)hgcv2.HOGDescriptor()# winFthg.getDescriptorSize()hoghg.compute(img_rs).reshape(-1)print(hog)features.append(hog)
# for i in range(10):from sklearn.svm import SVC
clf SVC(kernellinear,random_state2020)
featurenp.array(features)
labelnp.array(js_lab)
# feature np.concatenate(feature, axis0)
# label np.concatenate(label, axis0)
clf.fit(feature, label)
clf.score(feature, label)
到此天气识别和疾病分析的前两个部分都已经完成最后一部分就是真枪实弹直接写完整程序来判断天气或疾病情况等明天继续开干奥利给
