基于SVM的美女图像分类
此项目并没有大伙想的这么复杂,算法我们可以站在巨人的肩膀上直接调用,或者copy过来就行,可能在获取数据、清洗数据方面有点小繁琐
需要准备技能包
- 本项目采用的开发语言是python,所以读者要有最基本的python知识储备
- 分类算法是sklearn中的SVM,提取图片的特征值是用HOG特征,不懂没关系,直接调用人家写好的就行
- 会用python爬取数据(这里的数据是美女图片)
- 知道如何清洗数据(比如去掉空值、无用值)
废话不多逼逼,直接开干
1. 准备需要分类的图片
美女图片哪里来呢????
在这个地址里有:美女图片链接
里面还有大众的评分,这个可以为我们以后进行美女分类提供依据
2. 获取每个链接(图片)URL
- 如何爬取网页的page??这个不要问我,直接看网上资源
- 怎么用正则表达式、BeautifulSoup怎么用? 这个也不要问我
- …………问题总是一大堆?(我想说:先让项目跑起来,至于后面不会的知识,面向百度编程就可以了)
获取成功并插入Excel表中后的样子:
数据清洗后长这样(去掉无用值):
3. 根据URL获取图片
获取到图片统一放在一个images文件夹里:
只截取了其中的一部分图片
3. 美女分类
分类的依据是什么?
我们根据大众的评分,将美女分成三类:女神级别>9.0 大众级别>8.5 普通级别<8.5
分完类之后长这样:
4. 美女图片格式化
- images中的图片大小是不统一的,分类后相应文件里的图片也是没有经过格式化的
- 为了方便提取图片特征以及后面模型的训练,故需对图片进行统一化处理
格式化的样子长这样:
拿女神级别的来展示
将三个类别的图片分别格式化,然后放在三个文件夹里:
5. 训练模型:
- 三个类别分别用1,2,3代替,1代表女神级别,2代表大众级别,3代表普通级别
- 这里需要准备训练的图片,我将其60张图片放置在practice_Img文件夹中。60张图片分别来自三个类别,每个类别各20张。
- 既然要让机器(电脑)去训练,那就必须事先告诉这个机器,每一张是属于那个类别的,所以事先将训练集中的类别放置在practice.txt中,里面有每一张图片对应的类别
- 将数据导入SVM训练模型函数中,让机器去训练
practice.txt 长这样(展示其中的一部分):
6. 模型预测:
- 准备好需要预测的图片,这里将15张预测图片放置在test_Img文件夹中。15张图片分别来自三个类别,每个类别各5张。
- 同理,我们要知道机器(电脑)预测的准不准确,那就必须保存需预测图片的正确类别,正确类别存放在test.txt中,然后让机器预测的类别跟标准类别来对比,从而得出预测的准确率,并将预测值写到result.txt中。
test.txt 长这样:
结果(result.txt):
7. 模型准确率:
- 将result.txt与标准类别test.txt一对比就能够得到模型的准确率了
看图:
完整代码奉上:
catchData.py 爬取数据并插表
import requests
import urllib.request as rq
import os
import re
import xlrd
import xlutils.copy
from bs4 import BeautifulSoup
# 获取html文本
def getHtml(url):
session = requests.Session()
headers = {
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_5) AppleWebKit 537.36 (KHTML, like Gecko) Chrome"
}
req = session.get(url, headers=headers)
html = req.text
return html
# 图片url列表
def getImg(html):
Null_img_list = []
reg = r'img src="([.*\S]*\.jpg)"' # 正则表达式
imgre = re.compile(reg)
imglist1 = re.findall(imgre, html)
if len(imglist1) > 2:
return imglist1
else:
return Null_img_list
# 获取女生姓名
def getName(html):
reg = r'<strong>今日女神:(.*?)</strong>'
textRe = re.compile(reg)
textList = re.findall(textRe, html)
return textList
# 获取本期的女神的名字和期数
def getNumb_name(number, html):
GoddessName = getName(html)
if GoddessName == []:
print("女神大会" + number + ":" + "空")
else:
print("女神大会" + number + ":" + GoddessName[0])
# 获取期刊标题
def getTitle(html):
soup = BeautifulSoup(html, "html.parser")
titleList = soup.find_all('a', {
'target': '_self', 'content': ''})
titleListLength = len(titleList)
if titleListLength > 1:
title = str(soup.find_all('a', {
'target': '_self', 'content': ''})[1].string)
elif titleListLength == 1:
title = str(soup.find_all('a', {
'target': '_self', 'content': ''})[0].string)
else:
title = "没有获取到该期刊的标题"
return title
# 获取女神评分
def getGrade(html):
NullGrade = ["没有获取到评分"]
reg = r'<span style="color:#ff0000">综合得分(.*?)</span>'
GradeRe = re.compile(reg)
GradeList1 = re.findall(GradeRe, html)
reg = r'<strong>综合得分(.*?)</strong>'
GradeRe = re.compile(reg)
GradeList2 = re.findall(
今天的文章用python画一个美女_用python画一个美女「建议收藏」分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/84356.html