我正在使用来自scikit-learn的稀疏编码，我想尝试对图像进行分类。我有大小为128 x 128的图片。从这里我提取随机7x7补丁，以提供给有100个质心的kmeans。这意味着我有一个100原子的字典。
因此，给定要分类的图像，我首先使用extract_patches_2d从此图像中提取补丁，如果我没有记错，也称为convolutional sampling。这意味着我有一个（128-7 + 1）^ 2个图像补丁。我可以通过使用我的字典和正交匹配persuit编码每个补丁，留下我的(128-7+1)^2*(128-7+1)^2 * 100（稀疏）功能。
将此(14884,100)矩阵转换为特征向量的下一步是什么？从我正在阅读的内容来看，这是通过平均或最大池来完成的，但是我无法弄清楚这个矩阵是如何工作的。
答案 0 :(得分：1)
您的图像是自然图像还是来自某些特定的设置或科学成像？如果你想对自然图像进行分类，我建议你研究使用神经网络的特征提取，或者像SIFT这样的手工描述符（例如从scikit-image尝试DAISY）。
回答您的问题：要进行最大池化或平均池化，您需要决定是否要在图像中保留局部性。如果没有，您可以对每张图像获得的行进行最大或平均。如果要保持局部性，可以在图像上放置3x3或类似的网格，并仅获取位于给定网格单元格内的那些块的平均值/最大值。这样就可以为每个图像提供3x3x100的功能。