【发布时间】：2016-11-09 19:19:23
【问题描述】：
我希望使用 Google Cloud Vision API 从图像中生成特征，我将进一步使用它来训练我的 SVM 以解决情感识别问题。请提供有关如何在 python 中编写脚本的详细过程，该脚本可以使用 Google Cloud Vision API 生成可以直接馈送到 SVM 的功能。
【问题讨论】：
标签： computer-vision google-cloud-vision
【发布时间】：2016-11-09 19:19:23
【问题描述】：
我会按照以下步骤进行：
培训
- 为您想要的任何情绪（例如愤怒、快乐等）创建一个数据集（训练 + 测试）。此数据集必须多样化，但在性别和年龄方面保持平衡。
- 提取每张脸的特征。
- 标准化整个数据集。获取面部周围的边界框并从图像中剪切它们。此外，标准化每张脸的大小。
- 使用可从 Google API 获取的 Roll 和 Eye 坐标对齐面部。
- 训练 SVM（验证它等）。
测试
- 获取图像。
- 提取特征。
- 规范化和对齐面。
- 使用支持向量机。
我推荐的库：
scikit-learn - 支持向量机
OpenCV - 图像处理
【讨论】：
-
我有一个数据集，我使用 Google Cloud Vision API 提取了特征。现在，如何准确地决定将哪些特征输入到 SVM 中，以及如何将它们输入到 SVM 中？我正在添加与一个图像对应的特征的示例 json 文件。 docs.google.com/document/d/…
-
正如我所说，您需要使用每个人脸的边界框对所有特征进行归一化。那么，我建议你从“地标”开始。然后，您可能需要发现每个功能的效果。顺便说一句，您只需要将它们堆叠在一个向量中。 (scikit-learn.org/stable/modules/svm.html)