Python单词包聚类

编辑：以下是所有仍有问题的人的完整代码

我正在尝试用筛子和弓做一个图像识别项目。到目前为止，我正在努力训练和建立我的字典。我已经阅读了5个不同类的图像，计算了描述符，并将它们并排添加到python列表（[]）。现在，我正试图使用python版本的BowmainFilter将我的描述符聚类为k=5（这是否正确？对于5个类？）。我试图将cluster（）传递给描述符向量，但得到了错误

Traceback (most recent call last):


File "C:\Python27\Project2\beginning.py", line 40, in <module>
    bow.cluster(des)
TypeError: descriptors data type = 17 is not supported

---

如您所见，我一直在添加sift描述符，然后尝试转换为numpy数组（所需的格式）

多亏了opencv论坛，我才明白这一点，而不是使用另一个列表（我使用了上面的描述符），只需使用bow.add（dsc）将您找到的描述符直接添加到您的包中即可

---

编辑：对于其他有问题的人，我已经上传了脚本的其余部分

Hi，我想做一个10级的图像分类，我想在android智能手机上运行。你能告诉我你对python的发现吗？？？@sau你能澄清一下你在寻找什么吗？我想在智能手机上运行一个深度学习模型，将图像分为一些类别。现在我希望这个模型的尺寸非常小。@briansrlsjust对你的答案投了赞成票，因为这很有帮助，因为缺乏关于如何做到这一点的清晰文档。请您在OP中添加完整代码，编辑您的答案好吗？我不知道该把

bow.add（doc）

-thx@pepe抱歉花了这么长时间，我刚刚添加了代码。想弄明白这件事真的很痛苦，所以我很高兴能帮上忙。BoW算法的参数k与你试图分类的类的数量无关，它是聚类的数量（即视觉单词）。它基本上表示生成的特征向量的维数，5可以很小。我见过它在k从500-1000到1M的范围内成功使用。看一看你是对的，这是一篇比较老的帖子，但我记得我认为5个集群是合乎逻辑的，因为我有5个类，所以我想要5个质心。更现实的数字会高得多

sift = cv2.SIFT()

descriptors = []
for path in training_paths:
    image = cv2.imread(path)
    print path
    gray = cv2.cvtColor(image, cv2.CV_LOAD_IMAGE_GRAYSCALE)
    kp, dsc= sift.detectAndCompute(gray, None)
    descriptors.append(dsc)

des = np.array(descriptors)

k=5
bow = cv2.BOWKMeansTrainer(k)
bow.cluster(des)

dictionarySize = 5

BOW = cv2.BOWKMeansTrainer(dictionarySize)

for p in training_paths:
    image = cv2.imread(p)
    gray = cv2.cvtColor(image, cv2.CV_LOAD_IMAGE_GRAYSCALE)
    kp, dsc= sift.detectAndCompute(gray, None)
    BOW.add(dsc)

#dictionary created
dictionary = BOW.cluster()