Python 使用scikit学习进行分类，在稀疏编码后应用最大/平均池

我从

scikit learn

学习稀疏编码，我想尝试对图像进行分类。我有大小为128 x 128的图像。从中，我提取随机

7x7

补丁，以提供给具有100个质心的kmeans。这意味着我有一本100个原子的字典。 因此，给定一张要分类的图像，我首先用

extract\u patches\u 2d

从这张图像中提取面片，如果我没有弄错的话，这也被称为。这意味着我有（128-7+1）^2个图像补丁。我可以使用我的字典和正交匹配电路对每个补丁进行编码，留下

（128-7+1）^2*（128-7+1）^2*100

（稀疏）功能

---

要将该

（14884100）

矩阵转换为特征向量，下一步是什么。从我阅读的内容来看，这是通过平均或最大池来实现的，但我不太清楚在这个矩阵下这是如何工作的。

你的图像是自然图像还是来自一些非常特定的设置或科学成像？如果你想对自然图像进行分类，我建议你要么使用神经网络进行特征提取，要么使用手工编制的描述符，比如SIFT（例如，尝试scikit image中的DAISY）

---

回答您的问题：要执行最大池或平均池，您需要决定是否要在映像中保留局部性。如果没有，您可以对每个图像获得的行进行最大或平均。如果要保持局部性，可以在图像上放置一个3x3或类似的网格，并仅获取位于给定网格单元内的面片的平均值/最大值。例如，这将为您提供每幅图像3x3x100个功能。

快速跟进问题。如果我不想在图像中保留局部性，那么最终每个图像的特征向量为14884 x 1，这一想法正确吗？（因为我每个图像有14885个补丁）不，在合并后，您将只得到1x100个特征向量，因为您将对100个集群的所有位置进行最大/平均。这种方法称为单词表示的可视包，因为您只检测是否存在某个簇，而不检测图像中的位置。