Question

在加载图像并提取其关键点之后，我试图通过绘制数据来可视化我的数据。但是，当我尝试将其散布时，在绘制之前，我会得到一个错误，我的x和y值应为相同大小。

这是我从加载自己的数据集后得到的：

数据：

[[0.06887255 0.06887255 0.06887255 ... 0.08921569 0.08921569 0.08921569]
 [0.06666667 0.06666667 0.06666667 ... 0.08823529 0.08823529 0.08823529]
 [0.07598039 0.07598039 0.07598039 ... 0.08848039 0.08848039 0.08848039]
 ...
 [0.01568627 0.01568627 0.01568627 ... 0.1129902  0.1129902  0.1129902 ]
 [0.01666667 0.01666667 0.01666667 ... 0.1129902  0.1129902  0.1129902 ]
 [0.01666667 0.01666667 0.01666667 ... 0.1129902  0.1129902  0.1129902 ]]

目标：[0 0 0 0 0 1 1 1 1 1 2 2 2 2 2 3 3 3 3 3 4 4 4 4 4]

复制代码

 import matplotlib.pyplot as plt
 import numpy as np
 import skimage
 import cv2
 from skimage.io import imread
 from skimage.transform import resize

DATADIR = "C:/Dataset"
CATEGORIES = ["class 1", "class 2", "class 3", "class 4", "class 5"]
def load_image_files(fullpath, dimension=(35, 35)):
    descr = "A image classification dataset"
    flat_data = []
    target = []
    images = []
    dimension=(64, 64)
    for category in CATEGORIES:
        path = os.path.join(DATADIR, category)
        for person in os.listdir(path):
            personfolder = os.path.join(path, person)
            for imgname in os.listdir(personfolder):
                class_num = CATEGORIES.index(category)
                fullpath = os.path.join(personfolder, imgname)
                imageList = skimage.io.imread(fullpath)
                orb = cv2.ORB_create(edgeThreshold=1)
                orb = cv2.ORB_create()
                key_points = [cv2.KeyPoint(65, 9, 10), cv2.KeyPoint(66, 40, 10),cv2.KeyPoint(49, 200, 10), cv2.KeyPoint(76, 187, 10), cv2.KeyPoint(139, 188, 10), cv2.KeyPoint(176, 200, 10)]
                kp, des = orb.compute(imageList, key_points)
                kparray = cv2.drawKeypoints(imageList, kp, None, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS)
                img_resized = resize(kparray, dimension, anti_aliasing=True, mode='reflect')
                img_resized = img_resized.flatten()

                flat_data.append(img_resized)
                images.append(flat_data)
                target.append(class_num)

    flat_data = np.array(flat_data)
    target = np.array(target)
    images = np.array(images)
    return Bunch(data=flat_data,
                     target=target,
                     target_names=CATEGORIES,
                     images=images,
                     DESCR=descr)

值得注意的是，在每个班级中，都有一个用于John Doe的文件夹，基本上它位于Class 1 / John Doe，Class 2 / John Doe，Class 3 / John Doe，Class 4 / John Doe，Class 5 / John美国能源部，每张照片都有。

我正在这样加载图像：image_dataset = load_image_files("C:\Dataset")

然后我尝试简单地散布和绘制：

plt.scatter(image_dataset.data, image_dataset.target)
plt.show()

解决了错误，指出x和y的大小应相同。

我想知道如何将数据（x值）调整为类值（y值）

Answer 1

因此，这里plt.scatter（）在XY 2D平面中绘制的每个点都需要X和Y值。每个点代表数据集中的一个样本。因此，plt.scatter（）采用一维数组或X和Y值列表。

EX: 
X = [1,2,3,4] , Y = [4,2,1,4]
Dot1 => 1,4
Dot2 => 2,2
.
.
.

这是您的image_dataset.data实际上是展平的图像像素值的列表。它是2D数据，使用它绘制散点图没有任何意义。另外，您尝试将其作为X轴坐标传递。我不明白您要达到的目的。

如果要绘制图像并声明其类，则应尝试使用plt.plot（..）绘制子图。您可以找到文档here。

编辑＃1：您可以尝试：

image_dataset.target = [label for label in image_dataset.target
            for i in range(image_dataset.data.shape[0])]
image_dataset.data = image_dataset.data.flatten()

这里，我们首先将image.data从2D展平到1D。然后，我们根据像素数据的长度创建标签。因此，我们将第一个图像的每个像素标记为1。

这是一个最小的示例：

X = np.array([[1,2,3],[1,2,3],[1,2,3],[1,2,3]])
Y = np.array([1,1,2,2])

Y = [label for label in Y
            for i in range(X.shape[1])]
X = X.flatten()

len(X)
>>12
len(Y)
>>12

如何为SVC绘制训练数据和训练目标

1 个答案: