Question

我有一张图片，代码应该解释我做了什么。

blob=cv2.imread('right_test.png')
bwblob=cv2.cvtColor(blob,cv2.COLOR_BGR2GRAY)

resized_bwblob=cv2.resize(bwblob,(24,20),interpolation=cv2.INTER_AREA)
fd_blob, hog_blob = hog(resized_bwblob, orientations=9, pixels_per_cell=(4,4),cells_per_block=(2, 2),block_norm='L2-Hys', visualise=True)
print(fd_blob)

现在，该程序返回长度为720的HOG特征向量。我想使用从上面的代码获得的特征向量训练MLP分类器模型。我提到了链接：http://scikit-learn.org/stable/modules/neural_networks_supervised.html

from sklearn.neural_network import MLPClassifier

X = (n_samples, n_features)
y = (n_samples,)

clf = MLPClassifier(solver='lbfgs', alpha=1e-5,
                    hidden_layer_sizes=(5, 2), random_state=1)

clf.fit(X, y)

如何将我所拥有的特征向量与上面代码中的X和y值相关联？

Answer 1

假设您的要素向量fd_blob具有形状(720, )，那么您需要执行以下操作才能将其提供给模型：

fd_blob = fd_blob.reshape(-1, 720)

这将是您的X。

对于y，它取决于你试图用这个模型做什么，但如果你不得不问这个问题那么你可能应该先阅读一下机器学习，然后再继续学习。通常，如果您的目标是一维的，或者(n_samples,)用于更通用的方法，您希望它是一个形状(n_samples, output_size)的数组。在您的情况下，n_samples = 1。

另请注意，单个训练样本不适合训练神经网络。

干杯

如何使用我捕获的图像的HOG特征向量训练MLP模型？

1 个答案: