Python：当和上一个附加项的差异很小时，从列表中删除该项

我正在创建一个图像流行算法，将视频%.mp4剪切成帧。在人工智能的帮助下，程序检查哪些帧可能显示最漂亮的图像；结果以“分数”表示

这是可行的，但我遇到了一个问题。因为视频中的某些帧非常相似，所以我有许多（几乎）相同分数的帧

在最终结果中，将生成一个带有[分数，帧编号]的列表。例如，我想，如果列表中的3个项目几乎相同的帧编号，因此（几乎）相同的分数，我只保留列表中分数最高的帧编号，以便删除重复项

它与此行有关：

result.append（（predict（pil_image，model），name））

代码如下：

import os
import torch
import torchvision.models
import torchvision.transforms as transforms
from PIL import Image
import json
import cv2


def prepare_image(image):
    if image.mode != 'RGB':
        image = image.convert("RGB")
    Transform = transforms.Compose([
        transforms.Resize([224, 224]),
        transforms.ToTensor(),
    ])
    image = Transform(image)
    image = image.unsqueeze(0)
    return image


def predict(image, model):
    image = prepare_image(image)
    with torch.no_grad():
        preds = model(image)
    score = preds.detach().numpy().item()
    print("Picture score: " + str(round(score, 2)) + "  |  frames left: " +str(framesToDo))
    return str(round(score, 2))

if __name__ == '__main__':
    model = torchvision.models.resnet50()
    model.fc = torch.nn.Linear(in_features=2048, out_features=1)
    model.load_state_dict(torch.load('model/model-resnet50.pth', map_location=torch.device('cpu')))
    model.eval()

    result = []

    # In de folder videos are videos saved with the name of 1 until 23
    for i in range(1, 23):
        vidcap = cv2.VideoCapture('./video/' + str(i) + '.mp4')
        succes, vidcap_image = vidcap.read()
        count = 0
        framestep = 500 #for Stackoverflow example
        framesToDo = vidcap.get(cv2.CAP_PROP_FRAME_COUNT)


        # while succes and count < max_frames
        while succes and count < int(vidcap.get(cv2.CAP_PROP_FRAME_COUNT)): #maximum amount of frames in video
            name = str(i) + '_' + str(count)
            cv2.imwrite("./frames_saved/" + 'vid' + '_' + name + ".jpg", vidcap_image)  # save frame as jpg image
            count += framestep # 500 frames further
            framesToDo = framesToDo - framestep

            cv2_image = cv2.cvtColor(vidcap_image, cv2.COLOR_BGR2RGB)
            pil_image = Image.fromarray(cv2_image)
            result.append((predict(pil_image, model), name))
            succes, vidcap_image = vidcap.read()
    result.sort(reverse=False)
    print(result)

    with open('result.json', 'w') as filehandle:
        filehandle.write(json.dumps(result))````

导入操作系统
进口火炬
导入torchvision.models
导入torchvision.transforms作为变换
从PIL导入图像
导入json
进口cv2
def准备_图像（图像）：
如果image.mode！='RGB'：
image=image.convert（“RGB”）
Transform=transforms.Compose([
transforms.Resize（[224224,224]），
transforms.ToTensor（），
])
图像=变换（图像）
image=image.unsqueze（0）
返回图像
def预测（图像、模型）：
图像=准备图像（图像）
使用手电筒。无梯度（）
preds=模型（图）
分数=preds.detach（）.numpy（）.item（）
打印（“图片分数：+str（圆形（分数，2））+”|左边框：+str（框斯托多））
返回str（第二轮（得分2））
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
model=torchvision.models.resnet50（）
model.fc=torch.nn.Linear（输入特性=2048，输出特性=1）
model.load\u state\u dict（torch.load（'model/model-resnet50.pth'，map\u location=torch.device（'cpu'））
model.eval（）
结果=[]
#de文件夹中的视频是以名称1保存到23的视频
对于范围（1,23）内的i：
vidcap=cv2.VideoCapture（'./video/'+str（i）+'.mp4'）
成功，vidcap_image=vidcap.read（）
计数=0
framestep=500#用于堆栈溢出示例
framesToDo=vidcap.get（cv2.CAP\u PROP\u FRAME\u COUNT）
#而成功和计数<最大帧数
而成功和计数

由于没有可复制的示例，您可以对此进行调整以解决问题，这将分析每个帧数据并跳过不必要的帧数据，更新最佳值并附加新值

MAX\u FRAME\u NUMBER\u DIFF=60
最大得分差异=0.5
当前帧=计数
当前_分数=预测（pil_图像，模型）
数据=（当前_分数，当前_帧）
如果没有结果：
结果。追加（数据）
其他：
最后一个分数，最后一帧=结果[-1]
_相似_帧=当前_帧-最后一个_帧最后一个_分数
_score_way_better=当前_分数-最后一个_分数几乎相同的帧数和分数的阈值是多少？假设帧数不同，最大值为60，最大值为0.50欢迎使用StackOverflow。看见您的请求仅处理列表中的清理数据，但您发布的代码需要
torch
、
json
、
csv
和图像处理。