sift + kmeans + td-idf + svm实现图片分类
1、使用opencv提取sift特征
2、使用scipy的kmeans api计算聚类(速度要不cv2.kmeans算法快很多)
3、训练svm分类器
4、测试预测准确率
调参测试码本数量对分类预测准确率的影响 码本数量 抽取sift特征数 是否引入td-idf 合计抽取的特征数 准确率 二次测试准确率 2000 200 noidf 61837 0.66889632107 2000 max noidf 157434 0.758082497213 0.76254180602 2000 max idf 157434 0.78149386845 0.779264214047
50 max noidf 157434 0.643255295429 0.59977703456 1000 max idf 157434 0.746934225195 4000 max idf 157434 0.748049052397 0.761426978818 10000 max idf 157434 0.693422519509
1、码本数量2000时效果最好，准确率超过80% 2、抽取sift特征越多，效果越好 3、加入tf-idf效果会有提升