Question

这是我的代码：

sift=cv2.xfeatures2d.SIFT_create()
descriptors_unclustered=[]
dictionarysize=800
BOW=cv2.BOWKmeansTrainer(dictionarysize)
for p in training-paths :
    kp,dsc=sift.detectAndCompute(image,None)
    BOW.add(dsc)

dictionary=BOW.cluster()
bowdiction=cv2.BOWImgDescriptorExtractor(sift, cv2.BFMatcher(cv2.NORM_L2))
bowdiction.setvocabulary(dictionary)

我想保存此弓箭数据以便以后使用。我不想每次都等待这些计算，那么如何保存这些数据呢？

Answer 1

将pickle用于此

将BOW保存到pickle：

import pickle

sift=cv2.xfeatures2d.SIFT_create()
descriptors_unclustered=[]
dictionarysize=800
BOW=cv2.BOWKmeansTrainer(dictionarysize)
for p in training-paths :
    kp,dsc=sift.detectAndCompute(image,None)
    BOW.add(dsc)

with open('bow_pickle.pickle', 'wb') as f:
pickle.dump(f)

从pickle返回数据：

import pickle    
with open('bow_pickle.pickle', 'rb') as f:
    BOW = pickle.load(f)    
dictionary=BOW.cluster()
bowdiction=cv2.BOWImgDescriptorExtractor(sift,cv2.BFMatcher(cv2.NORM_L2))
bowdiction.setvocabulary(dictionary)

Answer 2

我知道这是旧的。但是当我来到这里并没有看到任何答案时，我尝试了一些方法并且这奏效了：

dictionary=BOW.cluster() 是最耗时的。所以你只需要保存字典。这只是一个 ndarray：

np.savetxt('bow_dict.txt', dictionary)

loaded_dictionary = np.loadtxt('bow_dict.txt')

然后继续

bowdiction=cv2.BOWImgDescriptorExtractor(sift,cv2.BFMatcher(cv2.NORM_L2))
bowdiction.setvocabulary(loaded_dictionary)

如何在python中保存单词数据包？

2 个答案: