python svm算法 cifar_python实现HOG+SVM对CIFAR-10数据集分类（上）

本博客只用于学习，如果有错误的地方，恳请指正，如需转载请注明出处。

看机器学习也是有一段时间了，这两天终于勇敢地踏出了第一步，实现了HOG+SVM对图片分类,具体代码可以在github上下载，https://github.com/subicWang/HOG-SVM-classifer。大家都说HOG+SVM是在行人检测中很合拍的一对。至于为啥，我也讲不清楚。我猜想这么合拍的一对应用在图片分类上效果应该也不错吧，事实证明确实还行，速度挺快，分类正确率还行。我用的数据集是http://www.cs.toronto.edu/~kriz/cifar.html。图片特征HOG的提取过程，本文不做讲解，很多博客也肯定比我讲得清楚。那我就直接粘出我的代码吧，方便需要的人参考。

def getHOGfeat( image,stride = 8, orientations=8, pixels_per_cell=(8, 8),cells_per_block=(2, 2)):

cx, cy = pixels_per_cell

bx, by = cells_per_block

sx, sy = image.shape

n_cellsx = int(np.floor(sx // cx)) # number of cells in x

n_cellsy = int(np.floor(sy // cy)) # number of cells in y

n_blocksx = (n_cellsx - bx) + 1

n_blocksy = (n_cellsy - by) + 1

gx = zeros((sx, sy), dtype=np.d