0

我在这一行有一个错误：neigh.fit(X, y) : ValueError: setting an array element with a sequence。

我检查了拟合函数，X 是：{array-like, sparse matrix, BallTree, cKDTree} 我的 X 是一个列表列表，其中包含第一个元素实体编号和第二个元素列表（7 个单元格）。如果我更改并且我只使用第一个列表编号来获得列表的纯列表，则会出现此错误：查询数据维度必须与 BallTree 数据维度匹配。

我的代码：

listafeaturevector = list()
path = 'imgknn/'
for infile in glob.glob( os.path.join(path, '*.jpg') ):
    print("current file is: " + infile )
    gray = cv2.imread(infile,0)
    element = cv2.getStructuringElement(cv2.MORPH_CROSS,(6,6)) 
    graydilate = cv2.erode(gray, element)
    ret,thresh = cv2.threshold(graydilate,127,255,cv2.THRESH_BINARY_INV) 
    imgbnbin = thresh

    #CONTOURS
    contours, hierarchy = cv2.findContours(imgbnbin, cv2.RETR_TREE ,cv2.CHAIN_APPROX_SIMPLE)
    print(len(contours))

    for i in range (0, len(contours)):
        fv = list()  #1 feature vector

        #HUMOMENTS
        #print("humoments")
        mom = cv2.moments(contours[i], 1)  
        Humoments = cv2.HuMoments(mom)
        #print(Humoments) 
        fv.append(Humoments) #query data dimension must match BallTree data dimension

        #SOLIDITY

        area = cv2.contourArea(contours[i])
        hull = cv2.convexHull(contours[i]) #ha tanti valori
        hull_area = cv2.contourArea(hull)
        solidity = float(area)/hull_area
        fv.append(solidity)

        #fv.append(elongation)
        listafeaturevector.append(fv)

print("i have done")
print(len(listafeaturevector))
lenmatrice=len(listafeaturevector)

#KNN
X = listafeaturevector
y = [0,1,2,3]* (lenmatrice/4)

from sklearn.neighbors import KNeighborsClassifier
neigh = KNeighborsClassifier(n_neighbors=3)
neigh.fit(X, y)  #ValueError: setting an array element with a sequence.

print(neigh.predict([[1.1]]))
print(neigh.predict_proba([[0.9]]))

如果我尝试将其隐藏在一个 numpy 数组中：

listafv = np.dstack(listafeaturevector)
listafv=np.rollaxis(listafv,-1)
print(listafv.shape)
data = listafv.reshape((lenmatrice, -1))
print(data.shape)

#KNN

X = 数据

我得到：用序列设置数组元素

4

1 回答 1

1

几个建议/问题：

Humoments = cv2.HuMoments(mom)

返回值的类别是什么Humoments？一个float或一个list？如果float，那很好。

for each image file
    for i in range (0, len(contours)):
       fv = list()  #1 feature vector
       ...
       fv.append(Humoments) 
       ...
       fv.append(solidity)
       listafeaturevector.append(fv)

上面的代码似乎不正确。在您的问题中，我认为您需要为每个图像构建一个特征向量。所以任何与图像相关的东西都i应该去同一个特征向量x_i。然后你结合所有的特征向量来得到一个特征向量列表X。但是，您的listafeaturevector(or X) 出现在最里面的循环中，这显然是不正确的。

其次，您有一个针对 中元素数量的循环contours，您确定每个图像的元素数量保持不变吗？否则，|x_i|不同图像的特征（ ）数量完全不同，这可能会导致错误

setting an array element with a sequence.

第三，您是否清楚要如何对图像进行分类？不同图像的目标值/标签是什么？我看到你只是用[0,1,2,3]* (lenmatrice/4). 你能详细说明你想用这些图像做什么吗？它们是否包含不同类型的对象？它们是否显示出不同的模式？这些图像是否描述了不同的主题/颜色？如果是，则对于每种不同的类型，您给出不同的标签 - 0、1、2 或“红色”、“白色”、“黑色”（假设您只有 3 种类型）。标签的值无关紧要。重要的是它们有多少价值。我试图了解labels您的情况的区别。

另一方面，如果您只想检索相似的图像，则不需要使用分类器或为每个图像指定标签。相反，尝试使用NearestNeighbors.

print(neigh.predict([[1.1]]))
print(neigh.predict_proba([[0.9]]))

第四，以上两行测试不正确。您需要设置一个X-like 对象才能从分类器中获得预测。也就是说，您需要一个x与您在训练示例中构建的结构相同的特征向量（所有这些都h,e,s以相同的顺序）。

于 2013-01-26T19:08:36.257 回答