Question

我是scikit-learn的新手，我有很多图像和图像大小不一样，有一种真实的场景图像如

cdn.mayike.com/emotion/img/attached/1/image/dt/20170920/12/20170920121356_795.png cdn.mayike.com/emotion/img/attached/1/image/mainImg/20170916/15/20170916153205_512.png ，

另一个不是真实的场景图像，如

cdn.mayike.com/emotion/img/attached/1/image/dt/20170917/01/20170917011403_856.jpeg
cdn.mayike.com/emotion/img/attached/1/image/dt/20170917/14/20170917145613_197.png

我想使用scikit-learn识别哪个不是真实的场景图像，我认为它类似于http://scikit-learn.org/stable/auto_examples/applications/plot_face_recognition.html#sphx-glr-auto-examples-applications-plot-face-recognition-py。
我完全不知道如何开始。
如何创建日期集并从图像中提取特征？
有人可以告诉我该怎么办？

Answer 1

这似乎不是一个直接的编程问题，你的问题与非基本的＆＃39;当前＆＃39;研究。

您似乎应该阅读自然场景（统计），并熟悉当前的机器学习框架之一，如TensorFlow，Caffe。

有许多教程可以开始使用，例如，您可以从二进制分类器开始，如果给定的图像显示自然场景，则输出。

您的数据库设置可能具有如下结构：

-> Dataset
    -> natural_scenes
    -> artificial_images

例如，

Digits可以使用此类结构来创建数据集，并且可以使用为Caffe和TensorFlow设计的模型。

我还建议你阅读关于微调神经网络的内容，因为如果你从头开始训练，你需要在你的数据库中有很多图像。

在Caffe中，您可以对CaffeNet或GoogeNet等预训练模型进行微调。

我认为这些是一些可以帮助你入门的基本信息。

从scikit-learn和face-detection开始：面部检测更多地寻找可能包含面部的本地候选或图像补丁。另一方面，就整个图像而言，你的问题更多是一个全局问题。这就是说我会从这里开始使用神经网络，它可以为你提取本地和全局特征。

如何使用scikit-learn识别真实场景图像？

1 个答案: