【Python/SVM】画像の分類を行いたい

Question

前提

機械学習初心者です。
サポートベクターマシーン（SVM）の使い方を勉強中です。

質問概要

サポートベクターマシーン（SVM）とPythonを用いて、
膨大な量の画像を「好き」or「嫌い」に分けたいが、以下のエラーが出てしまう。
なぜでしょうか？

ValueError: Found array with dim 3. Estimator expected <= 2.

質問詳細

サポートベクターマシーン（SVM）とPythonを用いて、
膨大な量の画像を「好き」or「嫌い」に分けたいが、以下のエラーが出てしまいます。

ValueError: Found array with dim 3. Estimator expected <= 2.

これの意味がよく分かりませんが、調べてみたところ、入力値に問題があると……
……それは調べなくとも何となくわかりますが、その整形の仕方が分かりません。

以下、私が書いたコードと、フォルダ構成です。

フォルダ構成

• img：分類したい画像データ
• ng：嫌いな画像の教師群
• ok：好きな画像の教師群
• out：グレースケール、エッジ抽出、ダウンサイジングを行った後の画像を出力するフォルダ

コード

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import sys
import os
from PIL import Image
import ImageFilter
import numpy as np
from sklearn import svm


# 定数定義場
STANDARD_SIZE = (300, 167)
CONST_NUM = 50100


# 変数定義場
Images = []					# 教師画像
Labels = []					# ラベル（ok = 0, ng = 1とする）


# 学習用画像データ（OK）を読み込む
for f in os.listdir("./ok/"):
	# 画像を読み込む
	img = Image.open("./ok/" + f)

	# グレースケール化
	img = img.convert('L')

	# エッジ抽出
	img = img.filter(ImageFilter.FIND_EDGES)

	# ダウンサイジング
	img = img.resize(STANDARD_SIZE)

	# データを追加
	Images.append(np.asarray(img))

	# ラベルを設定
	Labels.append(0)

	print "Images, Labels = " + str(len(Images)) + ", " + str(len(Labels))

	#print "0, " + f

	img.save('./out/ok_' + f)



# 学習用画像データ（NG）を読み込む
for f in os.listdir("./ng/"):
	# 画像を読み込む
	img = Image.open("./ng/" + f)

	# グレースケール化
	img = img.convert('L')

	# エッジ抽出
	img = img.filter(ImageFilter.FIND_EDGES)

	# ダウンサイジング
	img = img.resize(STANDARD_SIZE)

	# データを追加
	Images.append(np.asarray(img))

	img.save('./out/ng_' + f)

	# ラベルを設定
	Labels.append(1)
	#print "1, " + f
	print "Images, Labels = " + str(len(Images)) + ", " + str(len(Labels))

print Images

# ガウシアンカーネルによる SVM インスタンス生成
clf = svm.SVC(C=100, kernel="rbf")

# 教師データで学習 (データに対するフィッティング)
print "----------------"
print "TRAINING NOW..."
print "----------------"

print "画像数：" + str(len(Images))
print "ラベル数：" + str(len(Labels))

# トレーニング
clf.fit(Images, Labels)


# 分類する画像データを入れる変数
studentImages = []

# 分類する画像を読み込む
for f in os.listdir("./img/"):
	print "filename: " + f

	# 画像を読み込む
	img = Image.open("./img/" + f)

	# グレースケール化
	img = img.convert('L')

	# エッジ抽出
	img = img.filter(ImageFilter.FIND_EDGES)

	# ダウンサイジング
	img = img.resize(STANDARD_SIZE)

	# データを追加
	studentImages.append(np.asarray(img))

	img.save('./out/student_' + f)


print "-------------------"
print "CLUSTERING NOW..."
print "-------------------"

# 画像データを分類する
results = clf.predict(studentImages)

for r in results:
	if r == 0:
		print "ok"
	elif r == 1:
		print "ng"
	else:
		print "error"

このやり方であっているのでしょうか？
画像の読み込み方や、配列の指定方法はあっていますでしょうか？

何かお気づきの点などございましたら、ご教示頂けますと幸いです。
よろしくお願いいたします。

参考サイト様

• Tokyo.R 41 サポートベクターマシンで眼鏡っ娘分類システム構築
• サポートベクトルマシンとその他の機械学習手法

環境

• MacOSX Yosemite 10.10.5
• Python 2.7.10

追記1

ベクトルの1次元変換は、このような感じでは無いでしょうか？

# 次元を１次元に変換
    img_np = np.asarray(img)
    img_np = img_np.shape[0] * img_np.shape[1]

以下、全文

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import sys
import os
from PIL import Image
import ImageFilter
import numpy as np
from sklearn import svm


# 定数定義場
STANDARD_SIZE = (300, 167)
CONST_NUM = 50100


# 変数定義場
Images = []					# 教師画像
Labels = []					# ラベル（ok = 0, ng = 1とする）


# 学習用画像データ（OK）を読み込む
for f in os.listdir("./ok/"):
	# 画像を読み込む
	img = Image.open("./ok/" + f)

	# グレースケール化
	img = img.convert('L')

	# エッジ抽出
	img = img.filter(ImageFilter.FIND_EDGES)

	# ダウンサイジング
	img = img.resize(STANDARD_SIZE)

	# 次元を１次元に変換
	img_np = np.asarray(img)
	img_np = img_np.shape[0] * img_np.shape[1]

	# データを追加
	Images.append(img_np)

	# ラベルを設定
	Labels.append(0)

	print "Images, Labels = " + str(len(Images)) + ", " + str(len(Labels))

	img.save('./out/ok_' + f)



# 学習用画像データ（NG）を読み込む
for f in os.listdir("./ng/"):
	# 画像を読み込む
	img = Image.open("./ng/" + f)

	# グレースケール化
	img = img.convert('L')

	# エッジ抽出
	img = img.filter(ImageFilter.FIND_EDGES)

	# ダウンサイジング
	img = img.resize(STANDARD_SIZE)

	# 次元を１次元に変換
	img_np = np.asarray(img)
	img_np = img_np.shape[0] * img_np.shape[1]

	# データを追加
	Images.append(img_np)

	img.save('./out/ng_' + f)

	print "Images, Labels = " + str(len(Images)) + ", " + str(len(Labels))

	# ラベルを設定
	Labels.append(1)



# ガウシアンカーネルによる SVM インスタンス生成
clf = svm.SVC(C=100, kernel="rbf")

# 教師データで学習 (データに対するフィッティング)
print "----------------"
print "TRAINING NOW..."
print "----------------"

print "画像数：" + str(len(Images))
print "ラベル数：" + str(len(Labels))

# トレーニング
clf.fit(Images, Labels)


# 分類する画像データを入れる変数
studentImages = []

# 分類する画像を読み込む
for f in os.listdir("./img/"):
	print "filename: " + f

	# 画像を読み込む
	img = Image.open("./img/" + f)

	# グレースケール化
	img = img.convert('L')

	# エッジ抽出
	img = img.filter(ImageFilter.FIND_EDGES)

	# ダウンサイジング
	img = img.resize(STANDARD_SIZE)

	# 次元を１次元に変換
	img_np = np.asarray(img)
	img_np = img_np.shape[0] * img_np.shape[1]

	# データを追加
	studentImages.append(img_np)

	img.save('./out/student_' + f)


print "-------------------"
print "CLUSTERING NOW..."
print "-------------------"

# 画像データを分類する
results = clf.predict(studentImages)

for r in results:
	if r == 0:
		print "ok"
	elif r == 1:
		print "ng"
	else:
		print "error"

追記2

/Library/Python/2.7/site-packages/sklearn/utils/validation.py:386: DeprecationWarning:
Passing 1d arrays as data is deprecated in 0.17 and willraise ValueError in 0.19.
Reshape your data either using X.reshape(-1, 1) if your data has a single feature or X.reshape(1, -1) if it contains a single sample.

ValueError: X and y have incompatible shapes.
X has 1 samples, but y has 170.

Answer 1

2次元画像をスタックして、3次元配列を作成しているようです。

># データを追加
>Images.append(np.asarray(img))

svmで画像を分類するには、画像を1次元のベクトルに変換する必要があります。それらを画像の枚数だけ並べて
行列を作り、それをsvmに渡します。

Comments

[nnahito]

ご回答ありがとうございます。
ベクトルの変換が必要ということなのですが、どのように行うのでしょうか。

一応調べて見たところ、「追記１」のようにすればいいと載っているサイト様があったのですが、
「追記２」のようなエラーが出ます。

お手数をおかけいたしますが、もう少し詳しく教えて頂けませんでしょうか。

[WathMorks]

>> # 次元を１次元に変換
>> img_np = np.asarray(img)
>> img_np = img_np.shape[0] * img_np.shape[1]

img_npガスカラーになっています。

svmに渡すデータの構造を知るには、例えば
from sklearn import datasets
digits = datasets.load_digits()
print(digits.data)
を実行してみてください。何をどのようにならべればよいかわかるはずです。