导入所有必需的软件包

Question

我正在使用SVM进行手写字符分类。我准备了自己的字符数据集（图像）。至于现在从a到f。每个文件夹（a到f）都有大约20到22张图像。因此，总共约有188张图像。

在将图像添加到numpy数组并在测试期间进行预测时遇到问题。

下面提供了所有源代码。

导入所有必需的软件包

import cv2
import numpy as np 
import glob 
from sklearn import svm 
from sklearn.externals import joblib
from sklearn import model_selection




#constant values
image_location = "/home/syedjafer/Documents/Handwriting_recognition_svm/test1/images/"
folder_depth = 7
image_x = []
image_y = []
files = []


#to get all files in images folder 
for level in range(folder_depth):
    folder = chr(ord("b")+level)
    print (image_location+folder+"/")
    label_len = len(glob.glob(image_location+folder+"/"+"*.png"))
    files = files + glob.glob(image_location+folder+"/"+"*.png")
    print(files)
    image_y = image_y + [folder] * (label_len)

print(image_y)

['b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'b', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'c', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'd', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'e', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'f', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'g', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h', 'h']




# adding images to numpy arrays 
for file in files:
    image = cv2.imread(file,0) # 0 for grayscale 2D array
    image_x.append(image.flatten().tolist())
print(len(image_x))

166





# decalring test size and seed 
test_size = 0.33
seed = 7


X = np.array(image_x , dtype="uint8")

image_y = np.array(image_y)

x_train , x_test , y_train , y_test  = model_selection.train_test_split(image_x, image_y, test_size=test_size, random_state=seed)

clf = svm.SVC(gamma=0.0001, C=100)
clf.fit(x_train, y_train)





SVC(C=100, cache_size=200, class_weight=None, coef0=0.0,
  decision_function_shape='ovr', degree=3, gamma=0.0001, kernel='rbf',
  max_iter=-1, probability=False, random_state=None, shrinking=True,
  tol=0.001, verbose=False)





print(y_train)

['f' 'h' 'b' 'g' 'f' 'h' 'f' 'h' 'e' 'g' 'e' 'b' 'h' 'e' 'c' 'b' 'c' 'g'
 'e' 'd' 'h' 'c' 'f' 'd' 'f' 'd' 'b' 'd' 'b' 'b' 'h' 'e' 'b' 'b' 'b' 'c'
 'd' 'h' 'f' 'g' 'b' 'd' 'g' 'b' 'c' 'e' 'g' 'e' 'f' 'd' 'c' 'c' 'h' 'g'
 'c' 'h' 'f' 'f' 'h' 'f' 'g' 'f' 'b' 'f' 'g' 'g' 'g' 'b' 'd' 'd' 'c' 'f'
 'b' 'h' 'e' 'h' 'f' 'g' 'b' 'e' 'h' 'e' 'g' 'b' 'c' 'h' 'c' 'f' 'd' 'e'
 'c' 'b' 'b' 'd' 'e' 'b' 'g' 'g' 'e' 'g' 'c' 'f' 'e' 'e' 'b' 'g' 'f' 'f'
 'h' 'd' 'c']




for xx , yy in zip(x_test,y_test):
    print(clf.predict(np.array(xx).reshape(1,-1)),"=>",yy,"\n",)
['b'] => d 

['b'] => f 

['b'] => g 

['b'] => c 

['b'] => d 

['b'] => e 

['b'] => e 

['b'] => h 

['b'] => h 

['f'] => f 

['b'] => h 

['b'] => g 

['b'] => h 

['b'] => c 

['b'] => h 

['b'] => g 

['b'] => b 

['b'] => f 

['b'] => g 

['b'] => f 

['b'] => e 

['b'] => c 

['b'] => f 

['b'] => g 

['b'] => c 

['b'] => f 

['b'] => b 

['b'] => f 

['b'] => e 

['b'] => e 

['b'] => e 

['b'] => g 

['g'] => g 

['b'] => h 

['b'] => c 

['b'] => d 

['f'] => f 

['b'] => d 

['b'] => f 

['b'] => g 

['b'] => d 

['b'] => c 

['b'] => c 

['b'] => d 

['b'] => h 

['b'] => g 

['b'] => b 

['b'] => h 

['b'] => c 

['b'] => e 

['b'] => d 

['b'] => c 

['b'] => d 

['b'] => c 

['b'] => b

将图像添加到numpy数组的步骤

在cv2.imread中打开图像，然后将图像展平并附加到新列表中。
1. 然后我将数组转换为np array。

训练分类器

clf = svm.SVC(gamma=0.0001, C=100) clf.fit(x_train, y_train) 在测试阶段，它会产生错误。那是第一组中的类标签，它已经被更多地预测了。（例如，第一个集合是“ a”，然后是“ b”和其他集合。）

我不知道错误在哪里发生。

我正在使用的数据集图像的

scrnsht， dataset images

支持向量机的手写字符分类。

导入所有必需的软件包

0 个答案: