1
我正在制作一个图像分类器,它将在Python中分辨图像是否是汽车。我想通过距离蟒蛇质心的距离对数据进行分类
这里是我的步骤:
- 获得约200张图像SIFT描述与他们的汽车。
- 在所有这些SIFT描述符上使用k-means算法并找到约50个质心。
- 使用这些质心和新图像生成SVM的列车数据 。
我想只找到一次k-均值质心,然后将它们保存在文件中以供重用。
我的问题是:
我有50个预先计算好的质心。我用SIFT描述符创建了新图像。我想为每个描述符找到最接近的质心。
例如:质心1最接近5个描述符,质心2最接近12个描述符,依此类推。然后我会将这些数据提供给SVM。
这就像kmeans.predict(),但我不想每次添加新图像时计算k-means。
那么python中有什么函数可以给超空间中的50个点(质心),N个是否在同一个超空间中,并且它会根据最接近的质心返回那些N个点的分布?
感谢
当您使用predict()时,仅当使用fit()时,scikit-learn的KMeans算法找不到新的质心,那么您是否需要一种方法来保存kmeans模型? – Rob
是的,如果我可以保存kmeans模型,然后加载它没有计算这将解决我的问题。你能告诉我该怎么做吗? – lasha