目錄
6-10 SVM支持向量機1
# 1 思想 分類器
# 2 如何？ 尋求一個最優的超平面 分類
# 3 核：line
# 4 數據：樣本
# 5 訓練 SVM_create train predict
# svm本質 尋求一個最優的超平面 分類
# svm 核: line
# 身高體重 訓練 預測
import cv2
import numpy as np
import matplotlib.pyplot as plt
#1 準備data
rand1 = np.array([[155,48],[159,50],[164,53],[168,56],[172,60]])
rand2 = np.array([[152,53],[156,55],[160,56],[172,64],[176,65]])
# 2 label
label = np.array([[0],[0],[0],[0],[0],[1],[1],[1],[1],[1]])
# 3 data
data = np.vstack((rand1,rand2))
data = np.array(data,dtype='float32')
# svm 所有的數據都要有label
# [155,48] -- 0 女生 [152,53] ---1 男生
# 監督學習 0 負樣本 1 正樣本
# 4 訓練
svm = cv2.ml.SVM_create() # ml 機器學習模塊 SVM_create() 創建
# 屬性設置
svm.setType(cv2.ml.SVM_C_SVC) # svm type
svm.setKernel(cv2.ml.SVM_LINEAR) # line
svm.setC(0.01)
# 訓練
result = svm.train(data,cv2.ml.ROW_SAMPLE,label)
# 預測
pt_data = np.vstack([[167,55],[162,57]]) #0 女生 1男生
pt_data = np.array(pt_data,dtype='float32')
print(pt_data)
(par1,par2) = svm.predict(pt_data)
print(par2)
6-13 Hog特徵1
win大小可以任意
行人檢測，車牌檢測 64*128官方推薦
win是block的整數倍
cell不能滑動
#1 什麼是hog》？特徵 某個像素 某種運算
#2 2·1 模塊劃分 2·2 梯度 方向 模版 2·3 bin 投影 2·4 每個模塊hog
#2·1 模塊劃分
# image（ppt） win（藍色） block（紅色） cell （綠色）（size）
#image》win〉block》cell
#block setp win step cell bin
#win 特徵計算最頂層單元 -》obj
# 1 win size 50*100 20*50 64*128
# 2 2.1 block 《win 2.2 win size w h / block （wh） 16*16
# 3 block step 如何win下滑動 8*8
# 4 計算block cout = （（64-16）/8+1）*（（128-16）/8+1）= 105 block
# 5 cell size 8*8
# 6 block = ？cell 16*16 = 2*2 = 》4cell cell1-cell4
# 7 bin？
#7 cell bin 梯度：運算
# 每個像素-》梯度 ：大小 f 方向 angle
# 0-360 /40 = 9塊 = 9bin
# 1bin = 40 cell-》360-〉9bin
# hog特徵維度：
# haar 值 hog 向量 （維度）-》完全描述 一個obj info all
# 維度 = 105*4*9=3780
#2·2 梯度 方向 模版
# 像素都有一個梯度 》hog== win
# 特徵模版-》haar類似
# 【1 0 -1】【【1】【0】【-1】】
# a = p1*1+p2*0+p3*(-1) = 相鄰像素之差
# b = 上下像素之差
# f = 根號下（a方+b方）
# angle = arctan（a/b）
一維的計算
#整體hog cell複用
# 3780
# 3780 《-win（block cell bin）
# 1《-bin
# cell0 cell3 bin0-bin8
# cell0: bin0 bin1 。。。bin8
# cell1: bin0 bin1 。。。bin8
# cell2: bin0 bin1 。。。bin8
# cell3: bin0 bin1 。。。bin8
#ij cell0 bin0=《f0，
#i+1 j cell0 bin0 = f1
#ij。。。。
# sumbin0（f0+f1.。）= bin0
# 權重累加
#ij bin0 bin1# cell複用
# block 4個cell
# 【0】【】【】【3】
# cell0 bin0-bin9
# cellx0 cellx2 cellx4
# cellx0:ij-》bin bin+1
# cellx2：ij -》 cell2 cell3 -》bin bin+1 bin bin+1
# cellx4：ij# 【cell 9】【4cell】【105】 = 3780
# 【3780】hog svm line訓練【3780】
#。hog*svm = 值
# 值》T 目標obj