我想建立一个服装分类器，为一件衣服拍照并将其分类为“牛仔裤”、“连衣裙”、“运动鞋”等。
一些例子：
这些图像来自零售商网站，因此通常是从相同的角度拍摄的，通常是在白色或浅色背景上——它们往往非常相似。
我有一组数千张我已经知道其类别的图像，我可以用它们来训练机器学习算法。
但是，我正在努力寻找应该使用哪些功能的想法。我目前拥有的功能：
def get_aspect_ratio(pil_image):
_, _, width, height = pil_image.getbbox()
return width / height
def get_greyscale_array(pil_image):
"""Convert the image to a 13x13 square grayscale image, and return a
list of colour values 0-255.
I've chosen 13x13 as it's very small but still allows you to
distinguish the gap between legs on jeans in my testing.
"""
grayscale_image = pil_image.convert('L')
small_image = grayscale_image.resize((13, 13), Image.ANTIALIAS)
pixels = []
for y in range(13):
for x in range(13):
pixels.append(small_image.getpixel((x, y)))
return pixels
def get_image_features(image_path):
image = Image.open(open(image_path, 'rb'))
features = {}
features['aspect_ratio'] = get_aspect_ratio(image)
for index, pixel in enumerate(get_greyscale_array(image)):
features["pixel%s" % index] = pixel
return features
我正在提取一个简单的 13x13 灰度网格作为形状的粗略近似。但是，将这些功能与 nltk 一起使用NaiveBayesClassifier只能使我获得 34% 的准确率。
哪些功能在这里可以很好地发挥作用？
