如何在python上加载SVM中的SIFT特性？

我正在编写以下代码，以便在python上进行SVM培训。 我拍摄了两张图片作为训练，并对另一张图片进行测试

代码如下：-

import cv2
import numpy as np
from sklearn.svm import SVC

img = cv2.imread("1.png")
img = cv2.resize(img, (600,400))
sift = cv2.xfeatures2d.SIFT_create()
(kps1, descs1) = sift.detectAndCompute(img, None)
hist1 = np.hstack(descs1)

img = cv2.imread("11.png")
img = cv2.resize(img, (600,400))
sift = cv2.xfeatures2d.SIFT_create()
(kps11, descs11) = sift.detectAndCompute(img, None)
hist11 = np.hstack(descs11)

s = np.array(hist1)
d = np.array(hist11)

X = np.array((s,d))
y = np.array([1,2])

img = cv2.imread("2.png")
gray = cv2.resize(img, (600,400))
sift = cv2.xfeatures2d.SIFT_create()
(kps2, descs2) = sift.detectAndCompute(gray, None)
hist2 = np.hstack(descs2) 
v = np.array(hist2)

clf = SVC()
clf.fit(X, y) 
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
    decision_function_shape=None, degree=3, gamma='auto', kernel='rbf',
    max_iter=-1, probability=False, random_state=None, shrinking=True,
    tol=0.001, verbose=False)
print(clf.predict(v)) 

我使用SIFT的descs作为SVM的输入 它给出了以下错误：-

/usr/lib/python2.7/dist-packages/sklearn/utils/validation.py:386: DeprecationWarning: Passing 1d arrays as data is deprecated in 0.17 and willraise ValueError in 0.19. Reshape your data either using X.reshape(-1, 1) if your data has a single feature or X.reshape(1, -1) if it contains a single sample.
  DeprecationWarning)
Traceback (most recent call last):
  File "ex.py", line 37, in <module>
    print(clf.predict(v))
  File "/usr/lib/python2.7/dist-packages/sklearn/svm/base.py", line 568, in predict
    y = super(BaseSVC, self).predict(X)
  File "/usr/lib/python2.7/dist-packages/sklearn/svm/base.py", line 305, in predict
    X = self._validate_for_predict(X)
  File "/usr/lib/python2.7/dist-packages/sklearn/svm/base.py", line 474, in _validate_for_predict
    (n_features, self.shape_fit_[1]))
ValueError: X.shape[1] = 26112 should be equal to 35456, the number of features at training time

/usr/lib/python2.7/dist-packages/sklearn/utils/validation.py:386:DeprecationWarning:在0.17中不推荐将1d数组作为数据传递，在0.19中会引发ValueError。如果数据具有单个特征，请使用X.restrape（-1，1），如果数据包含单个样本，请使用X.restrape（1，-1）重塑数据。
弃用警告）
回溯（最近一次呼叫最后一次）：
文件“ex.py”，第37行，在
打印（clf.预测（v））
文件“/usr/lib/python2.7/dist packages/sklearn/svm/base.py”，第568行，在predict中
y=super（BaseSVC，self）。预测（X）
文件“/usr/lib/python2.7/dist packages/sklearn/svm/base.py”，第305行，在predict中
X=自我验证，用于预测（X）
文件“/usr/lib/python2.7/dist packages/sklearn/svm/base.py”，第474行，在“验证”中，用于“预测”
（n_特征，自形_拟合[1]））
ValueError:X.shape[1]=26112应等于35456，即训练时的特征数

打印

X

和

v

的形状。第一个和第二个尺寸应相同（特征数量）。您确定

sift.detectAndCompute

总是为每个图像计算相同数量的描述符吗。如果没有，那么您可能需要首先纠正这个问题。我很确定

X

或

v

（或两者）都被转置了。在scikit中，学习行（

shape[0]

）表示训练样本，而列（

shape[1]

）表示功能。特征的数量必须是恒定的，这就是错误所抱怨的。另外，根据你的

y

你只有两个训练示例，我不知道你希望用它实现什么：S Try

X=np.row\u stack（[S，d]）