可以用于颜色分类的图像数据集

数据说明：

颜色分类是广泛应用于许多领域的重要应用。例如，执行日常任务的系统。SVM分类器使用最佳超平面进行生命分析，可以从这种分类过程中受益。对于分类过程，可以使用许多分类算法。其中，最受欢迎的机器学习算法是神经网络、决策树、k-最近邻、贝叶斯网络和支持向量机。在这项工作中，使用SVM进行训练，并尝试获得分类器模型。SVM算法是监督学习方法之一。SVM要求像所有监督学习方法一样解决回归和分类问题。该算法通常用于训练独立和分类不同标记样本。通过使用SVM进行训练，旨在创建最佳超平面并分类数据

类。为了避免出现错误情况，该超平面应尽可能远离数据。

数据集包含约530张图像的train set数据集和test set数据集。为这个应用准备的颜色是黄色、黑色、白色、绿色、红色.橙色、蓝色和紫色。在这个实现中，优先考虑基本颜色进行分类。并创建了一个包含这些基本颜色图像的数据集。该数据集还包括所有图像的掩码。可以通过将图像二值化来创建这些掩码。并对收集的图像进行了掩码处理，将属于类别颜色的像素涂成白色其余像素涂成黑色。