python電腦視覺項目實踐

標籤：kmeans   調用   inline   題目   cal   直接   lan   pytho   單詞   

這是一個貝葉斯模型的電腦視覺小項目。希望大家通過這個簡單的項目知道一般的電腦視覺項目是怎樣操作的。

我先講題目放在這裡希望有興趣的童鞋花一周的時間思考並用python實現。一周以後我來發布我的詳細操作細節和代碼。

希望大家能夠通過這個簡單的項目將自己學到的機器學習以及電腦視覺的知識應用到實踐其中。

基於OpenCV編寫一個基於樸素貝葉斯的圖片分類分類程式

要求：

[1] 在google的圖片搜尋引擎中輸入"flower"和"airplane"，分別下載m(>100)張"flower"圖片和n(>100)張"sky"圖片，作為資料集的正負樣本；(注意：這兩類圖片也能夠隨意選擇，比方"chair"和"car")

[2] 視覺詞典的構建採用例如以下的方式：隨機從每張訓練集的圖片中分割出p（p>500）個25x25的圖片塊，計算改映像塊的顏色長條圖特徵（6x6x6個區間），然後將這些映像塊（共同擁有p*（m+n））用kmeans聚成K(K>1000)個類，作為詞典；註：kmeans能夠直接調用opencv，或者用其它工具包來聚類。

[3] 訓練或者測試時，對待測試的圖片進行密集採樣，用Histogram Intersection距離（計算公式為）。採用近期鄰的方法計算每一個單詞的次數。

[4] 使用5折交叉驗證計算出平均的Precision和Recall；

資料集大家能夠考慮編寫一個爬蟲到Google下載圖片（假設能夠的  麻煩教我爬蟲怎麼操作哈）假設不行的能夠找我索要資料集QQ 42 #14# 14# 626 。

python電腦視覺項目實踐