目录
6-10 SVM支持向量机1
# 1 思想 分类器
# 2 如何? 寻求一个最优的超平面 分类
# 3 核:line
# 4 数据:样本
# 5 训练 SVM_create train predict
# svm本质 寻求一个最优的超平面 分类
# svm 核: line
# 身高体重 训练 预测
import cv2
import numpy as np
import matplotlib.pyplot as plt
#1 准备data
rand1 = np.array([[155,48],[159,50],[164,53],[168,56],[172,60]])
rand2 = np.array([[152,53],[156,55],[160,56],[172,64],[176,65]])
# 2 label
label = np.array([[0],[0],[0],[0],[0],[1],[1],[1],[1],[1]])
# 3 data
data = np.vstack((rand1,rand2))
data = np.array(data,dtype='float32')
# svm 所有的数据都要有label
# [155,48] -- 0 女生 [152,53] ---1 男生
# 监督学习 0 负样本 1 正样本
# 4 训练
svm = cv2.ml.SVM_create() # ml 机器学习模块 SVM_create() 创建
# 属性设置
svm.setType(cv2.ml.SVM_C_SVC) # svm type
svm.setKernel(cv2.ml.SVM_LINEAR) # line
svm.setC(0.01)
# 训练
result = svm.train(data,cv2.ml.ROW_SAMPLE,label)
# 预测
pt_data = np.vstack([[167,55],[162,57]]) #0 女生 1男生
pt_data = np.array(pt_data,dtype='float32')
print(pt_data)
(par1,par2) = svm.predict(pt_data)
print(par2)
6-13 Hog特征1
win大小可以任意
行人检测,车牌检测 64*128官方推荐
win是block的整数倍
cell不能滑动
#1 什么是hog》?特征 某个像素 某种运算
#2 2·1 模块划分 2·2 梯度 方向 模版 2·3 bin 投影 2·4 每个模块hog
#2·1 模块划分
# image(ppt) win(蓝色) block(红色) cell (绿色)(size)
#image》win〉block》cell
#block setp win step cell bin
#win 特征计算最顶层单元 -》obj
# 1 win size 50*100 20*50 64*128
# 2 2.1 block 《win 2.2 win size w h / block (wh) 16*16
# 3 block step 如何win下滑动 8*8
# 4 计算block cout = ((64-16)/8+1)*((128-16)/8+1)= 105 block
# 5 cell size 8*8
# 6 block = ?cell 16*16 = 2*2 = 》4cell cell1-cell4
# 7 bin?
#7 cell bin 梯度:运算
# 每个像素-》梯度 :大小 f 方向 angle
# 0-360 /40 = 9块 = 9bin
# 1bin = 40 cell-》360-〉9bin
# hog特征维度:
# haar 值 hog 向量 (维度)-》完全描述 一个obj info all
# 维度 = 105*4*9=3780
#2·2 梯度 方向 模版
# 像素都有一个梯度 》hog== win
# 特征模版-》haar类似
# 【1 0 -1】【【1】【0】【-1】】
# a = p1*1+p2*0+p3*(-1) = 相邻像素之差
# b = 上下像素之差
# f = 根号下(a方+b方)
# angle = arctan(a/b)
一维的计算
#整体hog cell复用
# 3780
# 3780 《-win(block cell bin)
# 1《-bin
# cell0 cell3 bin0-bin8
# cell0: bin0 bin1 。。。bin8
# cell1: bin0 bin1 。。。bin8
# cell2: bin0 bin1 。。。bin8
# cell3: bin0 bin1 。。。bin8
#ij cell0 bin0=《f0,
#i+1 j cell0 bin0 = f1
#ij。。。。
# sumbin0(f0+f1.。)= bin0
# 权重累加
#ij bin0 bin1# cell复用
# block 4个cell
# 【0】【】【】【3】
# cell0 bin0-bin9
# cellx0 cellx2 cellx4
# cellx0:ij-》bin bin+1
# cellx2:ij -》 cell2 cell3 -》bin bin+1 bin bin+1
# cellx4:ij# 【cell 9】【4cell】【105】 = 3780
# 【3780】hog svm line训练【3780】
#。hog*svm = 值
# 值》T 目标obj