Что это значит? Обучение SVM

Question

Я новичок в обработке изображений. В качестве моего проекта я занимаюсь «классификатором изображений с использованием SVM». У меня есть идея моего последнего программного обеспечения «Я выбираю какое-то изображение и передаю его в качестве входных данных для моего программного обеспечения и он будет классифицировать этот образ .if я дать изображение животного он будет классифицировать его кошки или змеи соответственно»

Когда я Google о it.it говорит:„Прежде всего, необходимо обучить SVM“

Что это означает при обучении SVM?

Каков фактический вклад в SVM в моем случае (классификация изображений)?

SVM - это всего лишь классификатор, как он классифицирует изображения. Мне нужно, чтобы я скрывал изображение в любом конкретном формате? .Пожалуйста, помогите.

Answer 1

Поддержка векторной машины (SVM) - это модель машинного обучения для контролируемой классификации данных. SVM по существу изучают гиперплоскость, которая разделяет пространство данных на 2 области (в случае 2 класса). В вашем случае предположим, что у вас есть изображения змей и кошек, и вам нужно их классифицировать. Ниже перечислены шаги, которые вам нужно выполнить:

Извлечь «функции» из изображений.

Эти «функции» могут быть функциями внешнего вида змеи/кошки в вашем случае, например, цвета животного, формы животного и т. Д. Благодаря объединению этих функций вы можете получить многомерный вектор признаков.

обучить SVM классификатор

Обучение по существу узнает разделяющую гиперплоскость между характеристическими векторами из змеиного класса и кошки класса. Например, если ваш вектор-функция является 2-мерным, подготовка классификатора SVM будет означать «обучение» линии, которая лучше всего разделяет ваши данные с метками данных/обучения. Вы можете использовать любое из множества свободно доступных библиотек машинного обучения. Если вы говорите на python, вы можете использовать sklearn для задания. Эта задача обучения (гиперплоскость в линейном SVM) относится к обучения.

Классифицировать изображения.

После того, как вы обучен вашу модель, вы могли бы использовать его классифицировать изображения, класс которых не известно.

Примечание: Я упрощаю много деталей/вопросов, связанных с этим ответом. Я предлагаю вам ознакомиться с SVM

Answer 2

Вы должны смотреть в dlib, модуль питона, который делает обработки изображений и распознавания:

http://dlib.net/

В частности примеры для детекторов объекта в Python:

http://dlib.net/train_object_detector.py.html

Это дает подробные пояснения и инструкции по установке.