Python OpenCV SVM實現

Question

所以我有一個矩陣，我的樣本圖像（都變成了矢量）通過PCA / LDA運行，並且一個矢量表示每個圖像所屬的類。 現在我想使用OpenCV SVM類來訓練我的SVM（我正在使用Python，OpenCV 2.3.1）。 但我在定義參數時遇到問題：

test = cv2.SVM()
test.train(trainData, responses, ????)

我堅持如何定義SVM的類型（線性等）和其他東西。 在C ++中，您可以通過以下方式定義它：svm_type = CvSVM :: C_SVC ... Python沒有。 C ++還有一個特殊的類來存儲這些參數 - > CvSVMParams。 有人能用Python給我一個例子嗎？ 比如定義SVM類型，gamma等。

2.3.1文檔說它是這樣的：

Python: cv2.SVM.train(trainData, responses[, varIdx[, sampleIdx[, params]]]) → retval

什么是varIdx和sampleIdx，以及如何定義參數？

Answer 1

要使用OpenCV機器學習算法，您必須編寫一些包裝類：

1.第一個父母班

class StatModel(object):
    '''parent class - starting point to add abstraction'''    
    def load(self, fn):
        self.model.load(fn)
    def save(self, fn):
        self.model.save(fn)

2.最后SvM包裝器：

class SVM(StatModel):
    '''wrapper for OpenCV SimpleVectorMachine algorithm'''
    def __init__(self):
        self.model = cv2.SVM()

    def train(self, samples, responses):
        #setting algorithm parameters
        params = dict( kernel_type = cv2.SVM_LINEAR, 
                       svm_type = cv2.SVM_C_SVC,
                       C = 1 )
        self.model.train(samples, responses, params = params)

    def predict(self, samples):
        return np.float32( [self.model.predict(s) for s in samples])

3.示例用法：

import numpy as np
import cv2

samples = np.array(np.random.random((4,2)), dtype = np.float32)
y_train = np.array([1.,0.,0.,1.], dtype = np.float32)

clf = SVM()
clf.train(samples, y_train)
y_val = clf.predict(samples)

設置參數

設置參數很簡單 - 只需編寫一個將參數保存為鍵的字典。 您應該查看原始文檔以查看所有可能的參數和允許的值： http ： //opencv.itseez.com/modules/ml/doc/support_vector_machines.html#cvsvmparams

是的，svm_type和kernel_type的可能值在C ++中，但是有很簡單的方法可以將這些常量轉換為Python表示，例如CvSVM :: C_SVC在Python中被編寫為cv2.SVM_C_SVC。

前奏要獲得機器學習算法的詳細包裝，看看letter-recog.py例如在磁盤或OpenCV的庫的打開URL您的OpenCV的例子： https://github.com/Itseez/opencv/tree/master/samples/python2

Answer 2

改編自timgluz版本，但使用“train_auto”而不是“train”。 cv2將為我們找到參數“C”，“gamma”，....

import cv2
import numpy as np

class Learn:
    def __init__(self, X, y):
        self.est = cv2.SVM()
        params = dict(kernel_type=cv2.SVM_LINEAR, svm_type=cv2.SVM_C_SVC)
        self.est.train_auto(X, y, None, None, params, 3) #kfold=3 (default: 10)

    def guess(self, X):
        return np.float32( [self.est.predict(s) for s in X])

X = np.array(np.random.random((6,2)), dtype = np.float32)
y = np.array([1.,0.,0.,1.,0.,1.], dtype = np.float32)
g = Learn(X,y).guess(X)