使用SURF要素训练k-NN时出错

Question

我正在尝试基于输入图像检索一组相似的图像。我用序列来设置数组元素。使用序列设置数组元素。顺便说一句，Python的OpenCV。我的策略是获取图像数据库的SURF特征，然后将其放入k-NN模型中，这样每当我使用SURF特征查询图像并查找相似的项集时，我就可以使用k-NN获得最近的邻居。问题是，我尝试在scikit-learn中训练k-NN模型，方法是放置SURF描述符，然后将其扁平化。然而，每当我尝试训练模型时，这个错误就一直出现。setting an array element with a sequence.setting an array element with a sequence.

我做错了什么？我应该如何表示要素，以便可以在k-NN中使用它

更新:以下是我的代码

SURFObject = cv2.SURF(hessianThreshold = 400, extended = 0)
image_names = []
image_descriptors = []
for i in range(1, 4001):
    print("Image Number: " + str(i))
    filename = 'cat.'+ str(i) +'.jpg'
    img = cv2.imread(filepath + filename)
    keypoints, descriptors = SURFObject.detectAndCompute(img, None)
    image_descriptors.append(descriptors.tolist())
    image_names.append(filename)

neighbors = NearestNeighbors(10, 0.5)
neighbors.fit(np.array(image_descriptors).reshape(-1,1))

Answer 1

我不能完全确定您收到的错误消息，但可以肯定的是，您在描述符维度方面有问题。

Surf首先为图像找到关键点，然后为每个关键点生成固定大小的描述符。问题是，对于每个图像，您将获得不同数量的关键点，然后当您执行"descriptors.tolist()“时，它将连接此关键点的所有描述符，但您将为每个图像获得不同的大小

尝试阅读有关词袋或更好的fisher向量来处理这类问题