python3.7-----机器学习SVM

最新推荐文章于 2023-07-27 10:15:58 发布

Hesilan

最新推荐文章于 2023-07-27 10:15:58 发布

阅读量313

点赞数

分类专栏： python 文章标签： python 机器学习

本文链接：https://blog.csdn.net/Hesilan/article/details/108108538

版权

使用Python3.7进行机器学习SVM实践，通过25张室内和25张室外图片作为训练集，5张室内和5张室外图片作为测试集。首先对图片进行预处理，提取RGB特征值，然后将室内室外信息作为标签。应用SVC分类器进行分类，最终得出分类准确率。

摘要由CSDN通过智能技术生成

梳理一下思路
1、准备测试图片为25张室内，25张室外作为训练数据
任意挑选5张室内五张室外作为测试数据
2、图片预处理，提取每张图片的RGB作为特征值，室内室外作为标签[‘indoor’,‘outdoor’]
3、用SVC进行分类，最终输出准确率

from sklearn import svm
import numpy as np
import os
import cv2

#读取数据集
def Load_dataset(dataset_path, class_name_list):
    data = []
    label_list = []

    for cls_name_idx in range(len(class_name_list)):
        class_name = class_name_list[cls_name_idx]

        class_data_path = os.path.join(dataset_path, class_name)
        image_name_list = sorted(os.listdir(class_data_path))

        for image_name in image_name_list:
            RGB_data = []
            img = cv2.imread(os.path.join(class_data_path, image_name))
            RGB_data.append(int(np.mean(img[: