没有合适的资源?快使用搜索试试~ 我知道了~
26.图像分类原理及基于KNN、朴素贝叶斯算法的图像分类案例1
需积分: 0 12 下载量 108 浏览量
2022-08-03
23:17:44
上传
评论
收藏 4.15MB PDF 举报
温馨提示
试读
21页
1.朴素贝叶斯分类算法 2.KNN分类算法 3.SVM分类算法 4.随机森林分类算法 5.神经网络分类算法 2.数据集 3.KNN图像分类 1.朴素贝叶斯分类算
资源详情
资源评论
资源推荐
2020/2/26 写文章-CSDN博客
https://editor.csdn.net/md/?articleId=104263641 1/21
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门、OpenCV基
础用法,中期讲解图像处理的各种算法,包括图像锐化算子、图像增强技术、图像分割
等,后期结合深度学习研究图像识别、图像分类应用。希望文章对您有所帮助,如果有
不足之处,还请海涵~
该系列在github所有源代码:https://github.com/eastmountyxz/ImageProcessing-Python
前文参考:
[Python图像处理] 一.图像处理基础知识及OpenCV入门函数
[Python图像处理] 二.OpenCV+Numpy库读取与修改像素
[Python图像处理] 三.获取图像属性、兴趣ROI区域及通道处理
[Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波
[Python图像处理] 五.图像融合、加法运算及图像类型转换
[Python图像处理] 六.图像缩放、图像旋转、图像翻转与图像平移
[Python图像处理] 七.图像阈值化处理及算法对比
[Python图像处理] 八.图像腐蚀与图像膨胀
[Python图像处理] 九.形态学之图像开运算、闭运算、梯度运算
[Python图像处理] 十.形态学之图像顶帽运算和黑帽运算
[Python图像处理] 十一.灰度直方图概念及OpenCV绘制直方图
[Python图像处理] 十二.图像几何变换之图像仿射变换、图像透视变换和图像校正
[Python图像处理] 十三.基于灰度三维图的图像顶帽运算和黑帽运算
[Python图像处理] 十四.基于OpenCV和像素处理的图像灰度化处理
[Python图像处理] 十五.图像的灰度线性变换
[Python图像处理] 十六.图像的灰度非线性变换之对数变换、伽马变换
[Python图像处理] 十七.图像锐化与边缘检测之Roberts算子、Prewitt算子、Sobel算子和
Laplacian算子
[Python图像处理] 十八.图像锐化与边缘检测之Scharr算子、Canny算子和LOG算子
[Python图像处理] 十九.图像分割之基于K-Means聚类的区域分割
[Python图像处理] 二十.图像量化处理和采样处理及局部马赛克特效
[Python图像处理] 二十一.图像金字塔之图像向下取样和向上取样
[Python图像处理] 二十二.Python图像傅里叶变换原理及实现
[Python图像处理] 二十三.傅里叶变换之高通滤波和低通滤波
[Python图像处理] 二十四.图像特效处理之毛玻璃、浮雕和油漆特效
[Python图像处理] 二十五.图像特效处理之素描、怀旧、光照、流年以及滤镜特效
前面一篇文章详细讲解了素描特效、怀旧特效、光照特效、流年特效以及滤镜特效,代
码通过Python和OpenCV实现。本篇文章将分享图像分类原理,并介绍基于KNN、朴素
贝叶斯算法的图像分类案例。基础性文章,希望对你有所帮助。同时,该部分知识均为
杨秀璋查阅资料撰写,转载请署名CSDN+杨秀璋及原地址出处,谢谢!!
文章目录
2020/2/26 写文章-CSDN博客
https://editor.csdn.net/md/?articleId=104263641 2/21
一.图像分类
二.常见分类算法
1.朴素贝叶斯分类算法
2.KNN分类算法
3.SVM分类算法
4.随机森林分类算法
5.神经网络分类算法
三.基于KNN算法的图像分类
1.KNN算法
2.数据集
3.KNN图像分类
四.基于朴素贝叶斯算法的图像分类
五.总结
一.图像分类
图像分类(Image Classification)是对图像内容进行分类的问题,它利用计算机对图像
进行定量分析,把图像或图像中的区域划分为若干个类别,以代替人的视觉判断。图像
分类的传统方法是特征描述及检测,这类传统方法可能对于一些简单的图像分类是有效
的,但由于实际情况非常复杂,传统的分类方法不堪重负。现在,广泛使用机器学习和
深度学习的方法来处理图像分类问题,其主要任务是给定一堆输入图片,将其指派到一
个已知的混合类别中的某个标签。
在下图中,图像分类模型将获取单个图像,并将为4个标签{cat,dog,hat,mug},分别
对应概率{0.6, 0.3, 0.05, 0.05},其中0.6表示图像标签为猫的概率,其余类比。该图像被
表示为一个三维数组。在这个例子中,猫的图像宽度为248像素,高度为400像素,并具
有红绿蓝三个颜色通道(通常称为RGB)。因此,图像由248×400×3个数字组成或总共
297600个数字,每个数字是一个从0(黑色)到255(白色)的整数。图像分类的任务是
将这接近30万个数字变成一个单一的标签,如“猫(cat)”。
2020/2/26 写文章-CSDN博客
https://editor.csdn.net/md/?articleId=104263641 3/21
那么,如何编写一个图像分类的算法呢?又怎么从众多图像中识别出猫呢?这里所采取
的方法和教育小孩看图识物类似,给出很多图像数据,让模型不断去学习每个类的特
征。在训练之前,首先需要对训练集的图像进行分类标注,如图所示,包括cat、dog、
mug和hat四类。在实际工程中,可能有成千上万类别的物体,每个类别都会有上百万张
图像。
图像分类是输入一堆图像的像素值数组,然后给它分配一个分类标签,通过训练学习来
建立算法模型,接着使用该模型进行图像分类预测,具体流程如下:
输入: 输入包含N个图像的集合,每个图像的标签是K种分类标签中的一种,这个
集合称为训练集。
学习: 第二步任务是使用训练集来学习每个类的特征,构建训练分类器或者分类模
型。
评价: 通过分类器来预测新输入图像的分类标签,并以此来评价分类器的质量。通
过分类器预测的标签和图像真正的分类标签对比,从而评价分类算法的好坏。如果
分类器预测的分类标签和图像真正的分类标签一致,表示预测正确,否则预测错
误。
2020/2/26 写文章-CSDN博客
https://editor.csdn.net/md/?articleId=104263641 4/21
二.常见分类算法
常见的分类算法包括朴素贝叶斯分类器、决策树、K最近邻分类算法、支持向量机、神
经网络和基于规则的分类算法等,同时还有用于组合单一类方法的集成学习算法,如
Bagging和Boosting等。
1.朴素贝叶斯分类算法
朴素贝叶斯分类(Naive Bayes Classifier)发源于古典数学理论,利用Bayes定理来预
测一个未知类别的样本属于各个类别的可能性,选择其中可能性最大的一个类别作为该
样本的最终类别。在朴素贝叶斯分类模型中,它将为每一个类别的特征向量建立服从正
态分布的函数,给定训练数据,算法将会估计每一个类别的向量均值和方差矩阵,然后
根据这些进行预测。
朴素贝叶斯分类模型的正式定义如下:
该算法的特点为:如果没有很多数据,该模型会比很多复杂的模型获得更好的性能,因
为复杂的模型用了太多假设,以致产生欠拟合。
2.KNN分类算法
K最近邻分类(K-Nearest Neighbor Classifier)算法是一种基于实例的分类方法,是数
据挖掘分类技术中最简单常用的方法之一。该算法的核心思想如下:一个样本x与样本集
中的k个最相邻的样本中的大多数属于某一个类别yLabel,那么该样本x也属于类别
yLabel,并具有这个类别样本的特性。
简而言之,一个样本与数据集中的k个最相邻样本中的大多数的类别相同。由其思想可以
看出,KNN是通过测量不同特征值之间的距离进行分类,而且在决策样本类别时,只参
考样本周围k个“邻居”样本的所属类别。因此比较适合处理样本集存在较多重叠的场景,
主要用于预测分析、文本分类、降维等处理。
该算法在建立训练集时,就要确定训练数据及其对应的类别标签;然后把待分类的测试
数据与训练集数据依次进行特征比较,从训练集中挑选出最相近的k个数据,这k个数据
剩余20页未读,继续阅读
豆瓣时间
- 粉丝: 22
- 资源: 329
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0