Python 如何修复输出大于输入的附加列表？

总结问题 我正在使用OpenCV和face_识别模块通过CNN模型运行图像列表。我已多次运行该条目，但仍以大于输入的列表结束

关于已尝试的内容的背景

a。首先对图像进行编码，然后运行第二个过程，利用

人脸识别对每个编码条目自身（i+1）运行。比较人脸

b。对图像进行编码，然后加载编码的pickle文件，并从原始文件提取位置枚举每个图像



关于数据的注释：

-
imagepath
是293.png文件的列表。

-
encodings.pickle
是
imagepath
中已编码图像的字典

显示一些代码


源代码已根据所示内容进行了修改。


data=pickle.load（打开（“encodings.pickle”、“rb”）.read（））
ImagePath=列表（路径.列表\图像（“./图像”）
匹配输出=[]
对于枚举（imagePath）中的（i，imagePath）：
d=dt.datetime.now（）
打印（d.isoformat（））
打印（“[INFO]处理图像{}/{}”。格式（i+1，
len（图像路径）
image=cv2.imread（imagePath）
rgb=cv2.CVT颜色（图像，cv2.COLOR\u BGR2RGB）
框=人脸识别。人脸位置（rgb，型号='cnn'）
编码=人脸识别。人脸编码（rgb，方框）
名称=[]
对于编码中的编码：
匹配=人脸识别。比较人脸（数据[“编码”]，编码）
name=“未知”
如果在匹配项中为True：
matchedIdx=[枚举（匹配）中（i，b）的i如果b]
matcheOutput.append（matchedIdxs）

描述预期|实际结果：


预期：
长度
293
的列表（
matchesOutput
），其中每个索引等于的
matchedIdxs

实际：
长度为330的列表（
matchesOutput
）。
您将遍历每个图像路径（293个条目），然后查看所有编码的每个图像路径（大概也是293个条目）如果该编码有任何匹配项，则添加匹配的索引。因此，对于每个图像路径，取决于
人脸识别.compare\u faces
方法的准确性，您可能会得到多个匹配编码或没有匹配编码（仅当该方法非常弱时才会发生，因为每个图像也在编码列表中），因此最终列表中的值大于（或可能小于）293

即使有一个非常精确的预测，图像可能包含同卵双胞胎，例如同一个人的两张图像，因此330是您看到的匹配数，甚至可能是正确的输出

如果您想要一个293个匹配项的列表，您必须决定如何在多个匹配项（即，最佳匹配项是什么）之间进行选择，以及如果没有匹配项出现，可能需要附加什么项。
很有趣。我在输出中注意到有重复项，我想知道这是否是一个“小问题”，因为速度相当慢（因为我还没有让CUDA工作，因此CPU被占用）.有意思…你以前遇到过这个问题吗？我想知道我是否应该删除DUP…我在图像识别方面没有做太多工作，但决定如何处理误报是分类问题的一个经典部分。我想这取决于你的目标是什么以及你需要最终列表做什么。一般来说，通常的方法是选择“最佳”匹配，或者如果您的数据非常大，则选择比您事先确定的某个阈值更好的第一个匹配。