在scikit-learn中对稀疏编码后进行最大/平均池化用于分类
我在玩一个叫做稀疏编码的东西，使用的是 scikit-learn 这个库，我想用它来对图像进行分类。我有一些大小为 128 x 128 的图像。从这些图像中，我随机提取 7x7 的小块，然后把这些小块喂给 kmeans 算法，这个算法有 100 个中心点。这样一来，我就得到了一个包含 100 个原子的字典。
当我有一张需要分类的图像时，我首先会用 extract_patches_2d 从这张图像中提取小块。如果我没记错的话，这个过程也叫做 卷积采样。这意味着我可以从一张图像中提取到 (128-7+1)^2 个小块。然后，我可以用我的字典和正交匹配追踪的方法来编码每个小块，这样我就得到了 (128-7+1)^2*(128-7+1)^2 * 100 个（稀疏的）特征。
接下来，我该如何将这个 (14884,100) 的矩阵转换成一个特征向量呢？我看到的资料说可以通过平均池化或最大池化来实现，但我有点搞不清楚在这个矩阵上该怎么操作。
1 个回答
1
你的图片是自然图片，还是来自某种特定的设置或科学成像呢？如果你想对自然图片进行分类，我建议你可以看看用神经网络提取特征，或者使用一些手工制作的描述符，比如SIFT（你可以试试scikit-image里的DAISY）。
来回答你的问题：在进行最大池化或平均池化时，你需要决定是否想要保留图片中的局部信息。如果不需要，你可以直接对每张图片的行进行最大值或平均值计算。如果想要保留局部信息，你可以在图片上放一个3x3的网格，然后只对那些在特定网格单元内的区域进行平均或最大值计算。这样的话，每张图片就会得到例如3x3x100的特征。