在自定义数据集上训练 SVM 分类器时出错

Question

我一直在尝试使用 HOG 描述符训练线性 SVM 分类器。我在 http://pascal.inrialpes.fr/data/human/ 有一个可用的数据集集合 objective 是为了训练分类器来检测人类。为此，我首先尝试将单个正图像和单个负图像训练到标签 1,2，如下代码所示：

import numpy as np
import cv2
from sklearn.svm import LinearSVC
x=np.zeros((3780,2))
x=np.array(x)

#positive image
pimg=cv2.imread('G:/Project/Database/db/pos/crop_000010.png',0)
pimg=cv2.resize(pimg,(68,128))
phog = cv2.HOGDescriptor()
pdescriptor = phog.compute(pimg)

#negative image
nimg=cv2.imread('G:/Project/Database/db/neg/1.jpg',0)
nhog = cv2.HOGDescriptor()
ndescriptor = nhog.compute(nimg)

label=[1,2] 
x=[pdescriptor,ndescriptor]
clf = LinearSVC()
clf.fit(x,label)

错误：

Traceback (most recent call last):

File "<ipython-input-6-215ad33848c8>", line 1, in <module>
runfile('G:/Project/Python programs/tr/training.py', wdir='G:/Project/Python 
programs/tr')

File "C:\ProgramData\Anaconda3\lib\site- 
packages\spyder\utils\site\sitecustomize.py", line 705, in runfile
execfile(filename, namespace)

File "C:\ProgramData\Anaconda3\lib\site- 
packages\spyder\utils\site\sitecustomize.py", line 102, in execfile
exec(compile(f.read(), filename, 'exec'), namespace)

File "G:/Project/Python programs/tr/training.py", line 31, in <module>
clf.fit(x,label)

File "C:\ProgramData\Anaconda3\lib\site-packages\sklearn\svm\classes.py", 
line 227, in fit
dtype=np.float64, order="C")

File "C:\ProgramData\Anaconda3\lib\site- 
packages\sklearn\utils\validation.py", line 573, in check_X_y
ensure_min_features, warn_on_dtype, estimator)

File "C:\ProgramData\Anaconda3\lib\site- 
packages\sklearn\utils\validation.py", line 451, in check_array
% (array.ndim, estimator_name))

ValueError: Found array with dim 3. Estimator expected <= 2.

Answer 1

对于线性 SVC，您的 X 应该是形状为 (samples, features) 的二维数组，Y 应该是形状为 (samples,) 的一维数组。

您正在二维图像上训练 SVC。样本 * 2-D 图像将产生 3-D 矢量，SVC 无法将其作为输入。因此，您必须首先将图像展平为一维向量，然后将它们输入 SVC。

在自定义数据集上训练 SVM 分类器时出错

Error while training SVM classifier on custom dataset

python

machine-learning

scikit-learn

scikit-image