如何在 scikit-learn（用于计算机视觉）中使用我自己的数据集？

Posted 2023-03-12

【中文标题】如何在 scikit-learn（用于计算机视觉）中使用我自己的数据集？

【英文标题】：How can I work with my own dataset in scikit-learn (for computer vision)?

【发布时间】：2012-11-17 16:43:45

【问题描述】：

如何在 scikit-learn 中使用我自己的数据集？ Scikit Tutorial总是以加载他的数据集（数字数据集，花卉数据集......）为例。

http://scikit-learn.org/stable/datasets/index.html 即：从 sklearn.datasets 导入 load_iris

我有我的图像，但我不知道如何创建新图像。

特别是，对于开始，我使用我找到的这个例子（我使用库 opencv）：

img =cv2.imread('telamone.jpg')

# Convert them to grayscale
imgg =cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# SURF extraction
surf = cv2.SURF()
kp, descritors = surf.detect(imgg,None,useProvidedKeypoints = False)

# Setting up samples and responses for kNN
samples = np.array(descritors)
responses = np.arange(len(kp),dtype = np.float32)

我想提取一组图像的特征，以一种对实现机器学习算法有用的方式！

【参考方案1】：

您首先需要明确定义您要实现的目标：“将特征提取到一组图像中，以对实现机器学习算法有用的方式！”太模糊了，无法给你任何指导。

你想做什么：

图片整体的图像分类（例如室内场景 vs 室外场景）？

在一组图片的子部分内进行对象识别（例如识别不同图片中同一对象的多个实例），可能使用具有各种大小窗口的扫描程序？

对象检测和基于类别的分类（例如，查找图片中所有出现的汽车或行人，以及每个出现这些类别的实例周围的边界框）？

全图语义解析，也就是像素分割+每个段（建筑、道路、人、树）的类分类...

这些任务中的每一个都需要不同的管道（特征提取 + 机器学习模型组合）。

您可能应该从阅读有关该主题的书开始，例如：http://szeliski.org/Book/

另外作为旁注，*** 可能不是提出此类开放式问题的最佳场所。

【讨论】：

可能是图像分类比较和物体检测？我有考古标志，每个考古标志的图像。我需要为每张图像提取特征（如冲浪，或使用精明算法的轮廓），我看到 scikit 使用“数据集”加载他的默认图像，如虹膜或数字。我想比较这个特征并计算它的相似度。

对于整个图像分类（假设图像居中并在标志上放大），scikit-learn 期望输入数据的形状为 (n_images, n_features) 的 numpy 数组和形状为 @987654324 的 numpy 数组@ 为目标预测每个不同符号的不同整数。提取特征的方法。也许您可以尝试 scikit-image 中提供固定大小数组的 HoG 功能，而不是像 SURF 或 SIFT 这样具有动态结构的基于关键点的功能（关键点的数量因图像而异）。

如果您真的想使用 SURF 特征，您可能需要使用聚类算法在从语料库中提取的所有 SURF 特征向量上构建 1000 个（或更多）视觉词的词汇表。然后对于每个图像，将提取的 SURF 特征向量分配给它们最近的质心（量化），以将每张图片编码为（视觉）词袋（BoW）。但是，如果您是 numpy / scikit-learn 和一般计算机视觉的新手，这将变得更加复杂。

非常感谢！我读到 HoG 功能是用于人类识别，我想我需要一个识别符号边缘的算法，类似于识别文本的 OCR 软件，或者不？还是 HoG 也适合我的目的？

我在这里找到了我的问题的部分答案（创建数据集）：不幸的是不在 scikit 中：coccidia.icb.usp.br/coccimorph/tutorials/…