从预先训练的 SVM 中获得准确度以进行图像分类

Posted

技术标签:

【中文标题】从预先训练的 SVM 中获得准确度以进行图像分类【英文标题】:Getting Accuracy from a pre trained SVM for image classification 【发布时间】:2022-01-10 14:48:11 【问题描述】:

我有一个预先训练好的图像分类模型,我正在为其提供新图像。我可以很好地得到一个预测,但是我怎样才能得到这个预测的准确性,或者这甚至可能吗?以下是我想要完成的。我检查了 sklearn 但找不到任何相关的东西。 img 将是 (80,80) 并将被重塑为 (1,6400) 以进行保护。

def f(img):
   filename = "SVM_model.sav"
   with open(filename, 'rb') as file1:
       SV = pickle.load(file1)
   p = SV.predict(img)
   accuracy = ????
   return p and accuracy

【问题讨论】:

【参考方案1】:

要获得准确性,您需要拥有真实的预测类别。我认为您更想知道您对预测的信心。为此,您可以使用方法SV.predict_proba(img) 而不是SV.predict(img)

【讨论】:

是的,这正是我正在寻找的。谢谢!

以上是关于从预先训练的 SVM 中获得准确度以进行图像分类的主要内容,如果未能解决你的问题,请参考以下文章

如何使用 bagging 集成 SVM 和 CNN 分类器?

如何标记 PCA 获得的训练投影以用于训练 SVM 进行分类? MATLAB

字母分类准确率

提取形状上下文描述符以训练 SVM

Sklearn:如何获得对训练数据进行分类的均方误差

图像识别之初探SVM分类器