使用OpenCV-3.0.1/python 2.7创建svm

这是一个多么奇怪的系统啊。我的问题与这里的问题相同： 但是我不能在这个问题上再添加任何问题或评论，所以我不得不问几乎相同的问题。 无论如何，请在以下方面提供帮助：

所以我注意到CV-3.0.1既有卡方核又有交叉核，而我以前的2.4.9没有，所以我升级了（gentoo btw）。一切都在2.4.9中运行，我只是希望有更多的内核选择（而intersection与我所做的工作配合得很好，Yang et al 2009说）

但是遵循上面的方法对我来说并不奏效

除了我平时的工作：

import cv2

我尝试添加：

import cv2.ml

和/或

from cv2 import ml

它们不会修复任何东西（我对python也有点陌生，所以不确定我要使用的是哪一种）

我的路线：

svm = cv2.SVM()

是什么导致了问题，我已尝试将其更改为：

svm = cv2.ml.SVM()

但这并不能解决问题，我得到的只是：

Traceback (most recent call last):
File "05traintestsift.py", line 12, in svm = cv2.SVM()
AttributeError: 'module' object has no attribute 'SVM'

或：

当然有一些基本的方法可以让我错过的东西重新工作

注意：除了尝试新的内核类型外，其他一切都在半小时前的2.4.9版本中正常工作，因此3.0.1-r2版本中的一些新语法发生了变化

我还将注意到，他们在文档中的示例：也没有放入任何“.ml”，因此即使是它也没有更新（我从他们示例的第48行复制了svm=cv2.svm（）语法）

我注意到，如果我只是删除这一行，它将进一步遍历代码，使用上一个问题中的.ml修复，它可以很好地接受我的参数：

svm_params = dict(kernel_type = cv2.ml.SVM_CHI2,svm_type = cv2.ml.SVM_C_SVC,C=7,gamma=3)

但是当我去训练时，它找不到svm：

svm.train(traindata,trainnames,params=svm_params)

---

（显然，因为我还没有创建“svm”对象）

它应该是什么样子：

trainingDataMat = np.array(*train_data*, np.float32)
labelsMat = np.array([*label_data*], np.int32)

svm = cv2.ml.SVM_create()
svm.setType(cv2.ml.SVM_C_SVC)
svm.setKernel(cv2.ml.SVM_LINEAR)
# svm.setDegree(0.0)
# svm.setGamma(0.0)
# svm.setCoef0(0.0)
# svm.setC(0)
# svm.setNu(0.0)
# svm.setP(0.0)
# svm.setClassWeights(None)
svm.setTermCriteria((cv2.TERM_CRITERIA_COUNT, 100, 1.e-06))
svm.train(trainingDataMat, cv2.ml.ROW_SAMPLE, labelsMat)

sample_data = np.array([*your_data*], np.float32)
response = svm.predict(sample_data)

---

您提到的示例适用于较旧版本的OpenCV

您可以在opencv/sources/samples/python中找到解释良好的新示例

在新的OpenCV中，应使用SVM，如下所示：

#SVM in OpenCV 3.1.0 for Python
SVM = cv2.ml.SVM_create()
SVM.setKernel(cv2.ml.SVM_LINEAR)
SVM.setP(0.2)
SVM.setType(cv2.ml.SVM_EPS_SVR)
SVM.setC(1.0)

#training
SVM.train_auto(samples, cv2.ml.ROW_SAMPLE, responses)

#predict
output = SVM.predict(samples)[1].ravel()

#SVM in OpenCV 3.1.0 for Python
SVM = cv2.ml.SVM_create()
SVM.setKernel(cv2.ml.SVM_LINEAR)
SVM.setP(0.2)
SVM.setType(cv2.ml.SVM_EPS_SVR)
SVM.setC(1.0)

#training
SVM.train_auto(samples, cv2.ml.ROW_SAMPLE, responses)

#predict
output = SVM.predict(samples)[1].ravel()