我是图像处理的新手。作为我的项目，我正在做“使用 SVM 的图像分类器”。我有我的最终软件的想法“我选择一些图像并将其作为我的软件的输入，它将对该图像进行分类.如果我给出动物的图像，它将适当地分类为猫或蛇"
当我在谷歌上搜索它时，它说“首先你需要训练 SVM”
训练 SVM 是什么意思？
在我的案例中，SVM 的实际输入是什么（图像分类）？
SVM 只是一个分类器，它是如何对图像进行分类的。我有必要将图像转换为任何特定格式吗？请帮忙。
【问题讨论】：
标签： python image-processing machine-learning svm image-recognition
支持向量机 (SVM) 是一种用于监督数据分类的机器学习模型。 SVM 本质上是学习一个超平面，它将数据空间分成 2 个区域（在 2 类情况下）。在你的情况下，假设你有蛇和猫的图像，你需要对它们进行分类。您需要遵循的步骤是
从图像中提取“特征”。
在您的情况下，这些“特征”可能是蛇/猫外观的函数，例如动物的颜色、动物的形状等。通过连接这些特征，您可以获得多维特征向量。
训练一个 SVM 分类器
训练本质上是学习 snake class 和 cat class 的特征向量之间的分离超平面。例如，如果您的特征向量是二维的，那么训练 SVM 分类器将相当于“学习”一条最能区分标记数据/训练数据的线。 您可以使用任何免费提供的机器学习库。如果你说 python，你可以使用sklearn 来完成任务。 这种学习任务（线性 SVM 中的超平面）称为训练。
对图像进行分类。
一旦您训练您的模型，您就可以使用它对类别未知的图像进行分类。
注意：我正在简化此答案中涉及的许多细节/问题。我建议你应该阅读有关 SVM
【讨论】：