颜色分类leetcode cnn svm classifier: 使用Tensorflow和支持向量机创建图像分类引擎

颜色分类leetcode cnn-svm-分类器此示例使用来自Caltech图像集的48个标记图像的子集，每个标签限制在40到80个图像之间。图像被馈送到Inception V3的TensorFlow实现，其中移除了分类层，以生成一组标记的特征向量。使用t分布随机邻域嵌入(t-SNE)对2048维特征进行降维，将它们转换为易于可视化的二维特征。请注意，t-SNE用作信息步骤。如果相同的颜色/标签点大多聚集在一起，那么我们很有可能使用这些特征来训练具有高精度的分类器。将2048-d标记的特征呈现给多个分类器。该项目最初是训练支持向量机(SVM)对图像进行分类，但为了比较，这已扩展到以下内容：支持向量机(SVM)、额外的树(ET)、随机森林(RF)、K-最近邻(KNN)、多层感知器(ML)、高斯朴素贝叶斯(GNB)、线性判别分析(LDA)、二次判别分析(QDA)。显示训练和验证时间，以及每个分类器的准确率。大多数分类器都使用其默认调整值运行，但在可能的情况下，对那些其默认值远低于90%准确率的分类器进行了调整。