目錄python svm實現手寫數字識別——直接可用1、訓練1.1、訓練數據集下載——已轉化成csv文件1.2 、訓練源碼2、預測單張圖片2.1、待預測圖像2.2、預測源碼2.3、預測結果python svm實現手寫數字識別——直接可用

最近在做個圍棋識別的項目，需要識別下面的數字，如下圖：

我發現現在網上很多代碼是良莠不齊，…真是一言難盡，于是記錄一下，能夠運行成功并識別成功的一個源碼。

1、訓練1.1、訓練數據集下載——已轉化成csv文件

下載地址

1.2 、訓練源碼

train.py

import pandas as pdfrom sklearn.decomposition import PCAfrom sklearn import svmfrom sklearn.externals import joblibimport timeif __name__ =='__main__': train_num = 5000 test_num = 7000 data = pd.read_csv(’train.csv’) train_data = data.values[0:train_num,1:] train_label = data.values[0:train_num,0] test_data = data.values[train_num:test_num,1:] test_label = data.values[train_num:test_num,0] t = time.time() #PCA降維 pca = PCA(n_components=0.8, whiten=True) print(’start pca...’) train_x = pca.fit_transform(train_data) test_x = pca.transform(test_data) print(train_x.shape) # svm訓練 print(’start svc...’) svc = svm.SVC(kernel = ’rbf’, C = 10) svc.fit(train_x,train_label) pre = svc.predict(test_x) #保存模型 joblib.dump(svc, ’model.m’) joblib.dump(pca, ’pca.m’) # 計算準確率 score = svc.score(test_x, test_label) print(u’準確率：%f,花費時間：%.2fs’ % (score, time.time() - t))2、預測單張圖片2.1、待預測圖像

2.2、預測源碼

from sklearn.externals import joblibimport cv2if __name__ =='__main__': img = cv2.imread('img_temp.jpg', 0) #test = img.reshape(1,1444) Tp_x = 10 Tp_y = 10 Tp_width = 20 Tp_height = 20 img_temp = img[Tp_y:Tp_y + Tp_height, Tp_x:Tp_x + Tp_width] # 參數含義分別是：y、y+h、x、x+w cv2.namedWindow('src', 0) cv2.imshow('src', img_temp) cv2.waitKey(1000) [height, width] = img_temp.shape print(width, height) res_img = cv2.resize(img_temp, (28, 28)) test = res_img.reshape(1, 784) #加載模型 svc = joblib.load('model.m') pca = joblib.load('pca.m') # svm print(’start pca...’) test_x = pca.transform(test) print(test_x.shape) pre = svc.predict(test_x) print(pre[0])2.3、預測結果

到此這篇關于使用python svm實現直接可用的手寫數字識別的文章就介紹到這了,更多相關python svm 手寫數字識別內容請搜索好吧啦網以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持好吧啦網！