如何检测和消除变化的数据集中的异常值

时间:2015-10-13 15:12:22

标签: python numpy dataset computer-vision outliers

我有一个数据集,其中包含逐帧对象的像素值。我的代码可以在大多数时间准确地检测到对象;然而,有负面因素。

我绘制了前600个值(x轴:帧数,y轴:对象的像素位置)。在第一张图片中,您可以看到原始数据;在第二张图片中,您可以看到正确的路径。

我已经尝试过使用不同参数的均值和中值滤波,我无法获得任何有用的东西。是否有任何方法/算法可以用正确的值替换异常值?

dataset annotated dataset

1 个答案:

答案 0 :(得分:0)

RANSAC是一种忽略异常值并仅为任何计算选择内点的技术。

由于此案例没有适合数据的数学函数,因此无法直接应用RANSAC。

但是,作为一种解决方法,通过查看数据图,您可以尝试在每20帧数据中拟合一行,并在每个时间间隔删除所有异常值。这可能有助于忽略和减少总异常值的影响。