Numpy Array python尺寸均匀

Question

我有二维数组，一维有15个元素，第二维有可变长度

例如

>>print abc.size()
15
>>print abc[0].size()
5873
>>print abc[1].size()
9825

如何使用numpy或skikit稀疏数组使数组维度均匀。数据是图像的特征。

Answer 1

假设你想要将所有数组对齐到左边，并用零填充到右边，那么你可以先用

找到最大长度

install.packages("phytools")

library(phytools)
MyTree <- read.newick("my_file.dnd")
png("my_file2.png")
plot(MyTree)
dev.off()

然后使用zeros填充：

max_len = max([abc[i].size() for for i in range(abc.size())])

Answer 2

我们在这里有两种可能的情况：

1. abc是图片的列表，每张图片abc[i]都是图片i的一系列生猪特征。

2. abc是一个图片，每个abc[i]是图片的 i -th hog功能

   < / LI>

   对于第一种情况，图像大小或生猪参数（邻居的大小）因图像而异，因此您需要调整参数以便为所有图像正确计算生猪特征（如果您想要固定大小的描述符）。

   对于第二种情况，您的生猪计算不正确（不应该发生同一图像的生猪描述符的大小不同）。

   因此，在任何情况下，都无法resizing您的数组。你需要修复你的生猪计算。

   编辑：与您的问题相关，您有一个不同大小的图像数据集。这是两种可能的常用方法，用于使用hog描述符进行图像分类。但首先，快速概述HOG：

   • HOG将图像分成M x N每个大小为m x n的窗口，并在该窗口中计算具有固定W个数量（方向数）的直方图定向梯度。因此，您最终会获得M x N x W个功能。功能通常在尺寸为K x W且K = M x N的2D矢量中展平。

   现在，对于分类，有两种常见的方法：

   1. 将图像的所有功能合二为一，即对K个功能执行平均（或加权平均或标准），最后得到一个大小为W的向量对于每个图像（方向的数量）。

   2. 为了保留（或多或少）特征的空间关系，另一种更常见的方法是连接所有特征，以便最终得到一个大小为Z的扁平1D向量，其中{ {1}} /

   根据您的数据，我认为您正在尝试执行第二步。您遇到的问题是图像的大小不同，因此，对于固定的窗口大小Z = K x W，要素的数量因图像而异。

   您可以通过修复所需功能的数量m x n来修复，并为给定图像计算M x N和m = height / M并使用该计算器计算HOG描述符自定义n = width / N窗口大小（每个图像都不同）。这样，您最终会得到m x n向量，每个图像都具有相同的K = M x N（但窗口大小不同）。

   使用固定K并因此修复K，您就可以执行分类。

   我不知道您使用哪个库来计算HOG，但Z窗口大小参数应该很容易为每个图像手动设置。

   希望它有所帮助！