Python 使用低分辨率输入矩阵测量奇数角度的矩形(线性回归分类?)
我试图解决以下问题: 比如说Python 使用低分辨率输入矩阵测量奇数角度的矩形(线性回归分类?),python,linear-regression,classification,Python,Linear Regression,Classification,我试图解决以下问题: 比如说 0000000000000000 0011111111110000 0011111111110000 0011111111110000 0000000000000000 0000000111111110 0000000111111110 0000000000000000 我需要找到字段中所有矩形的宽度和高度。输入实际上是一次一列(就像扫描仪从左向右移动一样),并且在程序期间是连续的(也就是说,扫描列不移动,但矩形在其上移动) 在这个例子中,我可以“等待一个矩形开始
0000000000000000
0011111111110000
0011111111110000
0011111111110000
0000000000000000
0000000111111110
0000000111111110
0000000000000000
我需要找到字段中所有矩形的宽度和高度。输入实际上是一次一列(就像扫描仪从左向右移动一样),并且在程序期间是连续的(也就是说,扫描列不移动,但矩形在其上移动)
在这个例子中,我可以“等待一个矩形开始”(也就是说,观察零变为1),然后观察它结束(1变回零),并以“网格单位”测量工件。对于上面概述的简单情况,这将很好地工作,但如果矩形倾斜一个角度,则将失败,例如:
0000000000000000
0000011000000000
0000111100000000
0001111111000000
0000111111100000
0000011111110000
0000000111100000
0000000011000000
我原以为下列问题适用:
但现在我不太确定
我几乎没有回归或回归测试的经验,但我认为我可以将其表示为8个变量的输入
老实说,我根本不知道该怎么做。这部分代码提取的大小需要与已知大小的矩形相匹配(即,从数据库中)
我最初以为我可以将已知数据作为训练练习输入,并存储阳性测试结果,但我真的不确定从这里开始该怎么做
感谢您的建议。在扫描时收集过渡点(从1到0,反之亦然),然后直接从那里或从每个对象的凸面外壳计算长度和宽度
如果矩形可以重叠,那么您将遇到更大的问题。在扫描时收集过渡点(从1到0,反之亦然),然后直接从那里或从每个对象的凸面外壳计算长度和宽度
如果矩形可以重叠,那么你会遇到更大的问题。我向一位朋友提出了这个问题,他建议:
你们都怎么想?我向一位朋友提出了这个问题,他建议:
你们都觉得怎么样?我将采取以下步骤:
y
坐标),请执行以下操作:
更新其度量值
(此操作仅获取段的坐标-x
,ymin
,ymax
,稍后将讨论)
那么魔法在哪里呢?嗯,这一切都发生在
更新rect metrics
例程中
对于每个rect,我们有13个指标:
- 最小X=>ymin1,ymax1
- 最大X=>ymin2,ymax2
- 最小Y=>xmin1,xmax1
- 最大Y=>xmin2,xmax2
- 平均垂直段长度