/BoFSample

Test Code

Primary LanguagePython

BoFSample

目的

Sift-SVMを用いて精度を確かめる．

環境構築(shell)

$ wget "http://www.csie.ntu.edu.tw/~cjlin/cgi-bin/libsvm.cgi?+http://www.csie.ntu.edu.tw/~cjlin/libsvm+zip" -O libsvm-3.23.zip
$ unzip libsvm-3.23.zip
$ cd libsvm-3.23
$ gmake

環境構築(docker)

$ docker run -it --rm ymmtr6/libsvm:base

コード実行

  1. SIFT特徴量を抽出
python shift.py label.txt

label.txtは学習データとテストデータのラベル（特徴量の抽出は学習データとテストデータをまとめて使う） コマンドでSIFT*_data.pickleが生成される．

  1. k-meansクラスタリングして，SVMのコマンドの入力データに適した形式でtxtファイルを出力
python k-means.py train.pickle test.pickle train.txt test.txt -c 100

引数の-cは100は画像を100次元で表現したことを意味する．

  1. 学習データをSVMに学習させる
svm-train -c 1 -g 0.001953125 train.txt

(http://manpages.ubuntu.com/manpages/cosmic/en/man1/svm-train.1.html)

このコマンドでtrain.txt.modelが生成される．

  1. テストデータで性能評価
svm-predict test.txt train.txt.model class.txt -b 0

(http://manpages.ubuntu.com/manpages/cosmic/en/man1/svm-grid.1.html)