如何在 python 中初始化和训练具有 rootSIFT 特征的 SVM答案

【问题标题】：How to initialize and train an SVM with rootSIFT features in python如何在 python 中初始化和训练具有 rootSIFT 特征的 SVM
【发布时间】：2016-11-16 08:05:22
【问题描述】：

我使用 OpenCV 在 python 中设置了一个 CBIR 系统。我已成功提取关键点和描述符，使用 k-means 对它们进行聚类以创建码本，并根据此码本生成描述图像的直方图。我想知道如何使用此代码最后一行生成的这些直方图来训练 SVM，或者我是否以错误的方式进行此操作。

import argparse
import glob
import cv2
import numpy
import pickle
import base64
from scipy.cluster.vq import *
from cassandra.cluster import Cluster

def compute(imagePath, eps=1e-7)
    sift = cv2.xfeatures2d.SIFT_create()
    image = cv2.imread(imagePath, 0)

    kp, des = sift.detectAndCompute(image, None)

    if des is not None:
        kp, des = sift.compute(image, kp)

        if len(kp) == 0:
            return ([], None)

        des /= (des.sum(axis=1, keepdims=True) + eps)
        des = numpy.sqrt(des)

        des = whiten(des)

        return kp, des

for imagePath in dataset :
    kp,des = compute(imagePath)

    codes, distortion = vq(des, codebook)
    hist, bins = numpy.histogram(codes, K)

【问题讨论】：

标签： python opencv computer-vision scikit-learn

【解决方案1】：

看看sklearn.svm 以及SVM 分类的工作原理here。也许您可以按照Bag of Words 通用程序进行操作，这意味着对于每个图像特征（直方图），您应该选择字典中最近的码字（根据某种特征距离/相似度的度量）。

【讨论】：