-
数据集:FashionMNIST
-
基础要求(占比50分):利用「手工特征+SVM」实现分类任务,按照标准划分,进行训练和测试
-手工特征:可以选用像素值、HOG、SIFT、LBP等,利用VLFeat等现有代码库提取即可
-
扩展要求(占比40分)
-核函数:分析SVM核函数类型的影响,SVM可才用LibSVM库实现;
-对比SVM与前馈神经网络
-
分组:2-4人/组
-每组人数为N,则需要对比 2*N 种 设置下的效果
-例如,2个人一组,可以对比 (2种特征 + 2种核函数)
-
提交:将技术报告PDF以附件形式发送至[email protected]
-邮件标题及PDF文档命名:作业1 -机器学习-姓名
-代码及结果:自建Git项目
-技术报告:使用LaTex模板,提交PDF文档;文档中包含项目Git链接;写明分工/贡献度比例。
-
技术报告模板:https://www.overleaf.com/latex/templates/zhong-wen-ji-zhu-bao-gao-latexmo-ban-dan-lan-cjc-xelatex/tcnttxfsqykx 技术报告规范程度(占比1 0分)
代码可以自行下载数据集。 若想使用已下载好的数据集,只需将FashionMNIST数据集文件夹移动到/homework1_traditional_image_classification/data文件夹下,这时工程文件中的代码便可正常运行。
在命令行窗口中运行以下指令即可安装所需的依赖包。
pip install -r requirements.txt.
在运行SVM_main.py前,需要先运行feature_extraction文件夹中的代码以提取特征。