用python画一个美女_用python画一个美女「建议收藏」

用python画一个美女_用python画一个美女「建议收藏」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pyt

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

  1. 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
  2. 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
  3. 会用python爬取数据(这里的数据是美女图片)
  4. 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:
在这里插入图片描述

数据清洗后长这样(去掉无用值):
在这里插入图片描述

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
在这里插入图片描述
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:
在这里插入图片描述

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:
女神级别的来展示
在这里插入图片描述
将三个类别的图片分别格式化,然后放在三个文件夹里:
在这里插入图片描述

5. 训练模型:

  1. 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
  2. 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。
  3. 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
  4. 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):
在这里插入图片描述
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:
在这里插入图片描述
结果(result.txt):
在这里插入图片描述
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:
在这里插入图片描述

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

(0)
编程小号编程小号

相关推荐

发表回复

您的电子邮箱地址不会被公开。 必填项已用 * 标注