Machine learning 基于支持向量机的图像分类

我曾多次使用支持向量机和skicit学习库进行分类。但我只与包含“.csv”格式文本和数字的数据进行交互。目前，我想使用支持向量机进行图像分类。您能帮助我如何将图像转换为“.csv”格式，以便分类吗。

---

如果有任何帮助，我将不胜感激。谢谢。

当然，一般来说，人们会定义一个所谓的特征向量。它是一个向量，包含某些数字表示，通常是手工制作的特征。在图像分类的情况下，这在很大程度上取决于要分类的内容。通常，图像分类系统中的特征是通过和等图像处理算法提取的

---

但老实说，我不会在图像分类任务中使用支持向量机，因为定义和组合特征以获得一个好的分类器通常需要大量的工作。试试看。这些人通过自己学习必要的特征。如果你花数月的时间设计一个好的SVM分类器，CNN很容易在第一次训练后胜过你的工作。

有两种方法可以实现图像分类的SVM

为每个图像提取手工制作的功能，如SIFT、HOG或类似功能，并将其存储在csv中。最后，将支持向量机应用于它们

使用深度学习，在软max分类器之前提取特征。将这些功能存储在.csv中，并在其上应用svm

---

欢迎来到SO；你的问题太宽泛了，请见谅，非常感谢。我最近尝试了HOG与SVM的结合。实际上，我以前用CNN训练过我的模型，我想把结果和CNN进行比较。CNN给了我一个更好的结果。非常感谢您的支持。不客气：）不过，接受我的回答就足够了：）