将输入的JPG图像转换为scikit学习SVM分类器

Question

我有一堆训练图像（.jpg格式），我想作为scikit learn的SVM分类器的训练输入。知道这样做的首选方法是什么？

例如，在the example here中，图像数据从预定义的集合加载并转换为SVM分类器在以下步骤中理解的格式。

# The digits dataset
digits = datasets.load_digits()

# To apply an classifier on this data, we need to flatten the image, to
# turn the data in a (samples, feature) matrix:
n_samples = len(digits.images)
data = digits.images.reshape((n_samples, -1))

我的问题是，如果我将自己的一组图像加载为SVM分类器的训练集，我应该如何将这些图像转换为分类器将理解的格式。

我在OS-X（Mavericks）上的开发，但我将在Linux上运行实际代码（Ubuntu）

由于

Answer 1

您可以使用DeCAF / nolearn / convnet执行此任务。有关示例，请参阅this page。

Answer 2

为什么不使用标准python库来处理图像，例如PIL或它的fork Pillow。从那里获得numpy字节数应该很简单。

至于特征提取，我猜Thorsten有更好的工具。