Python构建图像分类识别器的方法

Python构建图像分类识别器的方法构建图像分类识别器的方法

今天小编就为大家分享一篇Python构建图像分类识别器的方法，具有很好的参考价值，希望对大家有所帮助。

一起跟随小编过来看看吧

机器学习用在图像识别是非常有趣的话题。

我们可以利用OpenCV强大的功能结合机器学习算法实现图像识别系统。

首先，输入若干图像，加入分类标记。利用向量量化方法将特征点进行聚类，并得出中心点，这些中心点就是视觉码本的元

素。

其次，利用图像分类器将图像分到已知的类别中，ERF（极端随机森林）算法非常流行，因为ERF具有较快的速度和比较精确

import os

import sys

import argparse

import json

import cv2

import numpy as np

from sklearn.cluster import KMeans

# from star_detector import StarFeatureDetector

from sklearn.ensemble import ExtraTreesClassifier

from sklearn import preprocessing

if not os.path.isdir(input_folder):

raise IOError("The folder " + input_folder + " doesn't exist")

for root, dirs, files in os.walk(input_folder):

for filename in (x for x in files if x.endswith('.jpg')):

filepath = os.path.join(root, filename)

print(filepath)

object_class = filepath.split('\')[-2]

print("object_class",object_class)

training_data.append({'object_class': object_class, 'image_path': filepath})

return self.detector.detect(img)

class FeatureBuilder(object):

def extract_features(self, img):

keypoints = StarFeatureDetector().detect(img)

keypoints, feature_vectors = compute_sift_features(img, keypoints)

return feature_vectors

def get_codewords(self, input_map, scaling_size, max_samples=12):

keypoints_all = []

count = 0

cur_class = ''