将JPG图像转换为Scikit学习SVM分类器

Question

我有一堆训练图像（.jpg格式），我想作为Scikit Learn Learn的SVM分类器作为培训输入。知道这样做的首选方法是什么？

例如，在此处的示例中，图像数据从预定义的集合加载，并转换为SVM分类器在以下步骤中理解的格式。

# The digits dataset
digits = datasets.load_digits()
# To apply an classifier on this data, we need to flatten the image, to
# turn the data in a (samples, feature) matrix:
n_samples = len(digits.images)
data = digits.images.reshape((n_samples, -1))

我的问题是，我是否想加载我自己的一组图像，作为训练集合给SVM分类器，我该如何将这些图像转换为分类器将理解的格式。

我在OS-X（Mavericks）上开发，但我将在Linux（Ubuntu）上运行实际代码

谢谢

Answer 1

您可以使用decaf/noLearn/convnet进行此任务。请参阅此页面。

Answer 2

为什么不使用标准的Python库来使用图像，例如PIL或IT是叉枕。从中获得字节的numpy阵列应该很简单。

至于特征提取，我猜Thorsten具有更好的工具。