基于SVM的美女图像分类（详解过程、完整代码奉上（python））

基于SVM的美女图像分类

此项目并没有大伙想的这么复杂，算法我们可以站在巨人的肩膀上直接调用，或者copy过来就行，可能在获取数据、清洗数据方面有点小繁琐

需要准备技能包

1. 本项目采用的开发语言是python，所以读者要有最基本的python知识储备
2. 分类算法是sklearn中的SVM,提取图片的特征值是用HOG特征，不懂没关系，直接调用人家写好的就行
3. 会用python爬取数据（这里的数据是美女图片）
4. 知道如何清洗数据（比如去掉空值、无用值）

废话不多逼逼，直接开干

1. 准备需要分类的图片

美女图片哪里来呢？？？？
在这个地址里有：美女图片链接
里面还有大众的评分，这个可以为我们以后进行美女分类提供依据

2. 获取每个链接（图片）URL

• 如何爬取网页的page？？这个不要问我，直接看网上资源
• 怎么用正则表达式、BeautifulSoup怎么用？ 这个也不要问我
• …………问题总是一大堆？（我想说：先让项目跑起来，至于后面不会的知识，面向百度编程就可以了）

获取成功并插入Excel表中后的样子：

数据清洗后长这样（去掉无用值）：

3. 根据URL获取图片
获取到图片统一放在一个images文件夹里：
只截取了其中的一部分图片

3. 美女分类

分类的依据是什么？
我们根据大众的评分，将美女分成三类：女神级别>9.0 大众级别>8.5 普通级别<8.5

分完类之后长这样：

4. 美女图片格式化

• images中的图片大小是不统一的，分类后相应文件里的图片也是没有经过格式化的
• 为了方便提取图片特征以及后面模型的训练，故需对图片进行统一化处理

格式化的样子长这样：
拿女神级别的来展示

将三个类别的图片分别格式化，然后放在三个文件夹里：

5. 训练模型:

1. 三个类别分别用1,2,3代替，1代表女神级别，2代表大众级别，3代表普通级别
2. 这里需要准备训练的图片，我将其60张图片放置在practice_Img文件夹中。60张图片分别来自三个类别，每个类别各20张。
3. 既然要让机器（电脑）去训练，那就必须事先告诉这个机器，每一张是属于那个类别的，所以事先将训练集中的类别放置在practice.txt中，里面有每一张图片对应的类别
4. 将数据导入SVM训练模型函数中，让机器去训练

practice.txt 长这样（展示其中的一部分）：

6. 模型预测:

• 准备好需要预测的图片，这里将15张预测图片放置在test_Img文件夹中。15张图片分别来自三个类别，每个类别各5张。
• 同理，我们要知道机器（电脑）预测的准不准确，那就必须保存需预测图片的正确类别，正确类别存放在test.txt中，然后让机器预测的类别跟标准类别来对比，从而得出预测的准确率，并将预测值写到result.txt中。

test.txt 长这样：

结果（result.txt）：

7. 模型准确率:

• 将result.txt与标准类别test.txt一对比就能够得到模型的准确率了

看图：

完整代码奉上：

catchData.py 爬取数据并插表

import requests
import urllib.request as rq
import os
import re
import xlrd
import xlutils.copy
from bs4 import BeautifulSoup


# 获取html文本
def getHtml(url):
    session = requests.Session()
    headers = {
   
        "User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_5) AppleWebKit 537.36 (KHTML, like Gecko) Chrome"
    }
    req = session.get(url, headers=headers)
    html = req.text
    return html


# 图片url列表
def getImg(html):
    Null_img_list = []
    reg = r'img src="([.*\S]*\.jpg)"'  # 正则表达式
    imgre = re.compile(reg)
    imglist1 = re.findall(imgre, html)
    if len(imglist1) > 2:
        return imglist1
    else:
        return Null_img_list


# 获取女生姓名
def getName(html):
    reg = r'<strong>今日女神：(.*?)</strong>'
    textRe = re.compile(reg)
    textList = re.findall(textRe, html)
    return textList


# 获取本期的女神的名字和期数
def getNumb_name(number, html):
    GoddessName = getName(html)
    if GoddessName == []:
        print("女神大会" + number + ":" + "空")
    else:
        print("女神大会" + number + ":" + GoddessName[0])


# 获取期刊标题
def getTitle(html):
    soup = BeautifulSoup(html, "html.parser")
    titleList = soup.find_all('a', {
   'target': '_self', 'content': ''})
    titleListLength = len(titleList)
    if titleListLength > 1:
        title = str(soup.find_all('a', {
   'target': '_self', 'content': ''})[1].string)
    elif titleListLength == 1:
        title = str(soup.find_all('a', {
   'target': '_self', 'content': ''})[0].string)
    else:
        title = "没有获取到该期刊的标题"
    return title


# 获取女神评分
def getGrade(html):
    NullGrade = ["没有获取到评分"]
    reg = r'<span style="color:#ff0000">综合得分(.*?)</span>'
    GradeRe = re.compile(reg)
    GradeList1 = re.findall(GradeRe, html)
    reg = r'<strong>综合得分(.*?)</strong>'
    GradeRe = re.compile(reg)
    GradeList2 = re.findall(