svm图像分类python代码实现续

svm图像分类python代码实现续

这篇博客诗接上前面一篇svm图像分类得一篇续集
svm分类代码如下

 
#os.system("pause")

#Svm 训练：
import sys
import os
import cv2
import numpy as np
from sklearn.svm import SVC
from sklearn.model_selection import train_test_split
import time
import pickle
#help(SVC)

SHAPE = (30, 30)
def getImageData(directory):
   s = 1
   feature_list = list()
   label_list   = list()
   num_classes = 0
   for root, dirs, files in os.walk(directory):
      for d in dirs:
         num_classes += 1
         images = os.listdir(root+d)
         for image in images:
            s += 1
            label_list.append(d)
            feature_list.append(extractFeaturesFromImage(root + d + "/" + image))

   return np.asarray(feature_list), np.asarray(label_list)

def extractFeaturesFromImage(image_file):
   img = cv2.imread(image_file)
   img = cv2.resize(img, SHAPE, interpolation = cv2.INTER_CUBIC)
   img = img.flatten()
   img = img / np.mean(img)
   return img
   

if __name__ == "__main__":
   
   directory ="C:/learn_data/2021_car/image/" 


   feature_array, label_array = getImageData(directory)

   X_train, X_test, y_train, y_test = train_test_split(feature_array, label_array, test_size = 0.2, random_state = 42)

   if os.path.isfile("svm_model.pkl"):
      svm = pickle.load(open("svm_model.pkl", "rb"))
   else:
      svm = SVC(kernel='rbf',gamma=0.001)
      svm.fit(X_train, y_train)
      pickle.dump(svm, open("C:/learn_data/2021_car/svm_model.pkl", "wb"))

   print("Testing...\n")
 
   right = 0
   total = 0
   for x, y in zip(X_test, y_test):
      x = x.reshape(1, -1)
      prediction = svm.predict(x)[0]
      if y == prediction:
         right += 1
      total += 1

   accuracy = float(right) / float(total) 

   print (str(accuracy) + "% accuracy")
   print ("Manual Testing\n")
print("success")
   
os.system("pause")

标题

那么数据集是什么样的呢
这里我要说一下了，这一次做的三分类，数据集的文件结构如下：

也就是说，这里的image就是我们的训练集，里面分为三个子文件夹，这三个子文件夹里只能有图片，其他的任何文件都不能有

好的，那么对于文件没是没有要求的，那么如果你现在想要进行二分类，三分类，也就改变image下的子文件数量，这里应该能听懂

如果调用模型，在上一篇博客有着介绍可以参考。
博客链接在这里
这次的数据集已上传到我的资源，是三类车牌号数据。