image - 如何在 scikit-learn(用于计算机视觉)中使用自己的数据集？

Question

如何在 scikit-learn 中使用我自己的数据集？Scikit教程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，首先，我使用我找到的这个示例(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，以一种有助于实现机器学习算法的方式!

Answer 1

您首先需要清楚地定义您想要实现的目标:“以有助于实现机器学习算法的方式提取一组图像的特征!”太模糊了，无法给您任何指导。

你想做什么:

• 对整个图片进行图像分类(例如室内场景与室外场景)？

• 一组图片的子部分内的对象识别(例如，识别不同图片中同一对象的多个实例)，可能使用具有不同大小窗口的扫描程序？

• 对象检测和基于类的分类(例如，查找图片中所有出现的汽车或行人以及这些类实例每次出现的边界框)？

• 全图片语义解析，又称像素分割+每个片段的类分类(建筑、道路、人物、树木)...

每项任务都需要不同的管道(特征提取+机器学习模型组合)。

您可能应该首先阅读一本有关该主题的书，例如:http://szeliski.org/Book/

顺便说一句，stackoverflow 可能不是提出此类开放式问题的最佳场所。