Python 如何将ScikitLearn分类器应用于大型图像中的分幅/窗口
给定的是scikit学习中经过培训的分类器,例如Python 如何将ScikitLearn分类器应用于大型图像中的分幅/窗口,python,machine-learning,scikit-learn,classification,scikit-image,Python,Machine Learning,Scikit Learn,Classification,Scikit Image,给定的是scikit学习中经过培训的分类器,例如RandomForestClassifier。分类器已在大小为25x25的样本上进行了训练 如何轻松地将此应用于大图像(例如640x480)中的所有瓷砖/窗口 我所能做的就是(慢代码前进!) 如何将clf应用于img中的所有25x25窗口?也许您正在寻找类似的应用程序。请务必阅读文档末尾关于内存使用的警告 如果使用view\u as\u windows是一种价格合理的方法,那么您可以通过如下方式重塑返回的数组,从映像中的所有窗口神奇地生成测试数据:
RandomForestClassifier
。分类器已在大小为25x25的样本上进行了训练
如何轻松地将此应用于大图像(例如640x480)中的所有瓷砖/窗口
我所能做的就是(慢代码前进!)
如何将
clf
应用于img
中的所有25x25窗口?也许您正在寻找类似的应用程序。请务必阅读文档末尾关于内存使用的警告
如果使用view\u as\u windows
是一种价格合理的方法,那么您可以通过如下方式重塑返回的数组,从映像中的所有窗口神奇地生成测试数据:
import numpy as np
from skimage import io
from skimage.util import view_as_windows
img = io.imread('image_name.png')
window_shape = (25, 25)
windows = view_as_windows(img, window_shape)
n_windows = np.prod(windows.shape[:2])
n_pixels = np.prod(windows.shape[2:])
x_test = windows.reshape(n_windows, n_pixels)
clf.apply(x_test)
import numpy as np
from skimage import io
from skimage.util import view_as_windows
img = io.imread('image_name.png')
window_shape = (25, 25)
windows = view_as_windows(img, window_shape)
n_windows = np.prod(windows.shape[:2])
n_pixels = np.prod(windows.shape[2:])
x_test = windows.reshape(n_windows, n_pixels)
clf.apply(x_test)