0

我有图像数据，我用它来训练我的机器学习使用 SIFT，但我的数据有一些图像包含 0 图像描述符的问题。所以当我完成训练和测试时，我的结果只达到了 56%（当然，这不是我预期的结果）。为了解决这个问题，我决定删除一些包含 0 图像描述符的图像。但是，我只能从包含图像描述符的 images_descriptor 数组中删除。这里的问题是不知道我必须删除哪些图像，以便我可以删除它们的“目标”。
我的数据有一个形状：(15000, 64, 64, 3)

到目前为止我的代码：

X = data['data']
y = data['targets']

#Extract image descriptor using sift from X(Which is the data of your images)
images_descriptor = extract_sift_feature(X)

index_list = []
filter_images_descriptor = []
for i in range(len(images_descriptor)):
    if images_descriptor[i] is not None:
        filter_images_descriptor.append(images_descriptor[i])
        
    if images_descriptor[i] is None:
        index = np.where(images_descriptor == images_descriptor[i]) 
        index_list.append(index[0])     
filter_images_descriptor = np.array(filter_images_descriptor)

我正在尝试创建一个索引以从 images_descriptor 获取索引，以便我可以知道哪个图像包含 0 图像描述符的位置np.where。然后我可以删除我从中删除的images_descriptor图像y。但我收到的结果是：(array([], dtype=int64).

4

1 回答 1

0

对于这个问题，我在数据中拥有的一些图像不包含任何特征。所以我给它解决方案来删除任何没有功能的数据

def extract_sift_feature(X, y):
    images_descriptor = []
    filter_images_descriptor = []
    NoneType_index_list = []
    sift = cv2.SIFT_create()

    for i in range(len(X)):
        _kp, des = sift.detectAndCompute(X[i], None)
        images_descriptor.append(des)
        #Check if there any image has 0 feature descriptor 
        if des is None:
          NoneType_index_list.append(i)
    images_descriptor = np.array(images_descriptor)

    #Filter image any image has 0 feature descriptor 
    for i in range(len(images_descriptor)):
        if images_descriptor[i] is not None:
            filter_images_descriptor.append(images_descriptor[i])
    filter_images_descriptor = np.array(filter_images_descriptor)

    new_y = np.delete(y, NoneType_index_list)
    return filter_images_descriptor, new_y
于 2021-01-15T04:46:09.503 回答