Обучение SVM на лицевых ключевых точках - как мне привести элементы к правильной форме?

Question

Я пытаюсь научить SVM (на python, scikit-learn) распознавать выражения лица.Я получил лицевые ключевые точки из набора изображений и поместил их в список списков, но этот формат данных не подходит для SVM.

Каждая из моих «тренировочных точек» представляет собой массив форм (68, 2), соответствующих координатам 68 лицевых ключевых точек, связанных с этим изображением.Таким образом, мой x_train оказывается трехмерным массивом, тогда как SVM требует массив измерений <= 2. </p>

Каков наилучший подход к реструктуризации этих данных?Я мог бы преобразовать (68,2) в (136,), но сохранит ли это мои черты?Я чувствую, что это потеряло бы функции, которые я бы хотел, чтобы SVM мог классифицировать.

Спасибо.

Answer 1

Я считаю, что вам нужно преобразовать свои тренировочные очки в одно измерение.

x_train = x_train.reshape(-1, 136)

Насколько я понимаю, SVM могут справиться с этим, поскольку нет потери информации, но кто-тоиначе придется математически обосновать это.