Question

我已经提取了HOG功能并将其标记为使用Python（Scikit-image＆amp; OpenCV）形成训练集。

Python用户定义的函数是＆＃39; compute_hog＆＃39;代码如下：

# Function definition of 'compute_hog'
def compute_hog(imagename):
        image = color.rgb2gray(imagename)
        fd, hog_image = hog(image,orientations=8,pixels_per_cell=(16,16),cells_per_block=(1,1),visualise=True)
        return fd  # return the feature descriptors


# A sample training set with 3 images is created
list=[] # Create a 2D list with 3 rows
list.append([])
list.append([])
list.append([])


# call 'compute_hog' function and store the HOG descriptors in a 2D list
# For this example, I've used only 3 images
counter=0       
for imgs in lst:
    list[counter].append(compute_hog(imgs))
    counter=counter+1

# Assign labels to the corresponding 3 Features
list[0].append('Label1')
list[1].append('Label2')
list[2].append('Label3')

＆＃39;列表＆＃39;变量包含相应3个图像的HOG特征标签对。

如何将此变量转换为输入向量并将其传递给多层前馈神经网络（使用Pybrain创建）进行网络训练和分类？

使用反向传播算法，如果测试图像与训练集的功能匹配，则应将其归类为有效，否则无效。

如何使用PyBrain对测试图像进行分类？

Python：如何使用PyBrain将HOG描述符作为输入向量发送到神经网络

0 个答案: