用词袋模型对图片分类

最新推荐文章于 2025-06-05 14:09:45 发布

ancy

最新推荐文章于 2025-06-05 14:09:45 发布

阅读量1.8k

点赞数

分类专栏：机器学习

机器学习专栏收录该内容

5 篇文章

订阅专栏

转自：http://zipperary.com/2013/12/16/classify-pictures/

这学期人工智能留了几个大作业，目前大家几乎都停留在第一个作业中。作业的要求是这样的：「使用一种监督学习方法和非监督学习方法，借鉴非监督学习课件中所述Bag-of-visual-words的例子实现图像分类，描述你的算法与实验结果。」Google 了一番，找到了 c++ 和 matlab 的实现，但我最近懒得学 openCV，也不想看 matlab 的代码，打算用 python 实现一下。

老师在附件中给出了两个文件夹「恐龙」和「汽车」；每个文件夹中有95个 txt 文件，如「0.txt」，文件中每一行表示一个局部向量，为128维，文件的首行给出了局部向量的个数和维数。每个 txt 文件都是对应的图片文件通过 sift 算法提取的局部特征向量集合。我们的任务就是基于这些数据，完成老师给出的任务要求。

首先是要理解词袋模型，这个在之前的文章《Bag of Words》中介绍过了。

用词袋模型构建对图片的向量表示中还会用到 Kmeans 聚类方法。得到图片的表示之后，便可以调用 svm 算法训练分类器了。

下面是 python 的实现代码：

 
          #!/usr/bin/env python

          #coding=utf-8

          import os

          from numpy 
          import array

          from scipy.cluster.vq 
          import vq, kmeans, whiten, kmeans2

          from sklearn 
          import svm

          from sklearn 
          import cross_validation

          ncluster 
          = 
          6 
          #聚类数

          ########

          #读入数据

          root 
          = 
          '/Users/moxie/Documents/dat' 
          #目录

          dir1 
          = root 
          + 
          '/kl' 
          #恐龙文件夹

          dir2 
          = root 
          + 
          '/qc' 
          #汽车文件夹

          #kl数据读取

          kl 
          = [] 
          #恐龙文件夹

          inf_kl 
          = [] 
          #局部特征的个数

          for i 
          in 
          range(
          95):

              pic 
          = []

              f_name 
          = 
          '%s.txt' 
          % i

              file1 
          = os.path.join(dir1,f_name)

          for line 
          in 
          open(file1,
          'rb'):

                  localf 
          = [] 
          #每行

          for dms 
          in line.strip().split():

                      localf.append(
          float(dms))

                  pic.append(localf) 
          #每个图片

              inf 
          = pic.pop(
          0)

              kl.extend(pic)

              count 
          = 
          int(inf[
          0])

              inf_kl.append(count)

          #qc数据读取

          qc 
          = []

          inf_qc 
          = []

          for i 
          in 
          range(
          95):

              pic 
          = []

              f_name 
          = 
          '%s.txt' 
          % i

              file2 
          = os.path.join(dir2,f_name)

          for line 
          in 
          open(file2,
          'rb'):

                  localf 
          = []

          for dms 
          in line.strip().split():

                      localf.append(
          float(dms))

                  pic.append(localf)

              inf 
          = pic.pop(
          0)

              qc.extend(pic)

              count 
          = 
          int(inf[
          0])

              inf_qc.append(count)

          kl.extend(qc) 
          #所有的局部特征

          inf_kl.extend(inf_qc) 
          #所有的特征数量信息

          #print inf_kl,len(inf_kl)

          #######

          #kmeans 处理为 k 类，同时标记每个数据的所属类别，之后用；另外，均值就是代表点了；根据均值点建立词典。

          features  
          = array(kl)

          whitened 
          = whiten(features) 
          #scale一致化

          cent,label 
          = kmeans2(whitened,ncluster) 
          #label 为每个局部特征所属类别

          #######

          #把每个图片表示为 bow 形式

          #求 x

          codebook 
          = 
          list(
          set(label))

          x 
          = []

          begin 
          = 
          0

          label 
          = 
          list(label)

          #print 'label:' , label

          for n 
          in inf_kl:

              end 
          = begin 
          + n

              temp 
          =  label[begin:end]

              picf 
          = [] 
          #每个图片

          for ii 
          in codebook:

                  nn 
          = temp.count(ii)

                  picf.append(nn)

              x.append(picf)

              begin 
          = end

          #print len(x),len(picf)

          #求 y

          y 
          = [
          0] 
          * 
          95 
          + [
          1] 
          * 
          95

          #print x,y,len(x),len(y)

          #######

          #分开为 train 和 test

          X_train, X_test, y_train, y_test 
          = cross_validation.train_test_split(x, y, 

          test_size
          =
          0.3, 
          random_state
          =
          0)

          #x_test = x[:32] + x[158:]

          #x_train = x[32:158]

          #y_test = y[:32] + y[158:]

          #y_train = y[32:158]

          #分类

          clf 
          = svm.SVC(
          kernel
          =
          'linear', 
          C
          =
          1)

          clf.fit(X_train,y_train)

          print 
          '正确率为：',clf.score(X_test,y_test)

          #正确率：0.982456140351