Implementación Python OpenCV SVM

Question

Tengo una matriz con mis imágenes de muestra (todas convertidas en vectores) que se ejecutó a través de PCA/LDA, y un vector que indica la clase a la que pertenecen cada imagen. Ahora quiero usar la clase OpenCV SVM para entrenar mi SVM (estoy usando Python, OpenCV 2.3.1). Pero tengo un problema con la definición de los parámetros:

test = cv2.SVM() 
test.train(trainData, responses, ????) 

estoy atascado en cómo definir el tipo de SVM (lineal, etc.) y otras cosas. En C++ lo defines diciendo, por ejemplo: svm_type = CvSVM :: C_SVC ... Python no tiene eso. C++ también tiene una clase especial para almacenar estos parámetros -> CvSVMParams. ¿Alguien puede darme un ejemplo de esto en Python? Al igual que la definición del tipo SVM, gamma, etc.

la documentación 2.3.1 dice así:

Python: cv2.SVM.train(trainData, responses[, varIdx[, sampleIdx[, params]]]) → retval 

¿Cuáles son varIdx y sampleIdx, y cómo definir los parametros?

Answer 1

Para utilizar OpenCV algoritmos de aprendizaje automático, usted tiene que escribir algunas clases contenedoras:

1. Primera clase padre

class StatModel(object): 
    '''parent class - starting point to add abstraction'''  
    def load(self, fn): 
     self.model.load(fn) 
    def save(self, fn): 
     self.model.save(fn) 

2. Finalmente SvM envoltorio:

class SVM(StatModel): 
    '''wrapper for OpenCV SimpleVectorMachine algorithm''' 
    def __init__(self): 
     self.model = cv2.SVM() 

    def train(self, samples, responses): 
     #setting algorithm parameters 
     params = dict(kernel_type = cv2.SVM_LINEAR, 
         svm_type = cv2.SVM_C_SVC, 
         C = 1) 
     self.model.train(samples, responses, params = params) 

    def predict(self, samples): 
     return np.float32([self.model.predict(s) for s in samples]) 

3.El uso de la muestra:

import numpy as np 
import cv2 

samples = np.array(np.random.random((4,2)), dtype = np.float32) 
y_train = np.array([1.,0.,0.,1.], dtype = np.float32) 

clf = SVM() 
clf.train(samples, y_train) 
y_val = clf.predict(samples) 

parámetros de ajuste

Configuración de parámetros es simple - acaba de escribir un diccionario que contiene los parámetros como claves. Debe buscar la documentación original para ver todos los posibles parámetros y valores permitidos: http://opencv.itseez.com/modules/ml/doc/support_vector_machines.html#cvsvmparams

Sí, valores posibles para svm_type y kernel_type están en C++, pero no hay manera fácil de convertir esas constantes en representación de Python, por ejemplo CvSVM :: C_SVC está escrito como cv2.SVM_C_SVC en Python.

Preludio Para obtener más contenedores para algoritmos de aprendizaje automático, mira en letter-recog.py ejemplo, en sus ejemplos OpenCV en el disco o URL abierta de OpenCV repositorio: https://github.com/Itseez/opencv/tree/master/samples/python2

Answer 2

Adaptado de timgluz versión, pero usa "train_auto" en lugar de "train". cv2 encontrará los parámetros "C", "gamma", ... para nosotros.

import cv2 
import numpy as np 

class Learn: 
    def __init__(self, X, y): 
     self.est = cv2.SVM() 
     params = dict(kernel_type=cv2.SVM_LINEAR, svm_type=cv2.SVM_C_SVC) 
     self.est.train_auto(X, y, None, None, params, 3) #kfold=3 (default: 10) 

    def guess(self, X): 
     return np.float32([self.est.predict(s) for s in X]) 

X = np.array(np.random.random((6,2)), dtype = np.float32) 
y = np.array([1.,0.,0.,1.,0.,1.], dtype = np.float32) 
g = Learn(X,y).guess(X)