def gen_txt(txt_path, img_dir):
f = open(txt_path, 'w')
for root, dirs, files in os.walk(img_dir):
for file in files:
img_path = os.path.join(root,file)
label = 0 if '0' in img_path.split('/')[-2] else 1
line = img_path + ' ' +str(int(label)) + '\n'
f.write(line)
f.close()
return f.name
#生成sklearn训练数据集
def load_imgesets(filename):
'''在txt中随机遍历数据
'''
file = open(filename, 'r')
target = []
data = None
count = len(file.readlines())
s = list(range(1,count+1))
for i in s:
s1 = random.randint(0, count - 1)
s2 = random.randint(0, count - 1)
s[s1],s[s2] = s[s2],s[s1]
line = linecache.getline(filename,i)
# 分割图像路径与类别
str = line.strip('\n')
str = line.split()
target.append(s
将按类别保存的图片处理为SVM可以训练的数据
最新推荐文章于 2023-11-20 20:57:05 发布
本文介绍如何将不同类别的图片预处理,转化为适合支持向量机(SVM)模型训练的数据集,包括图像特征提取、归一化等步骤。
摘要由CSDN通过智能技术生成