使用 SURF 特征训练 k-NN 时出错

Question

我正在尝试根据输入图像检索一组相似的图像。我正在使用带有序列的数组元素。使用序列设置数组元素。 OpenCV 顺便说一下 Python。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目集时，我就可以只需使用k-NN 即可获得最近的邻居。问题是，我尝试通过放置SURF 描述符然后将其展平来在scikit-learn 中训练k-NN 模型。但是，每当我尝试训练模型时，这个错误就会不断出现。 setting an array element with a sequence.setting an array element with a sequence.

我做错了什么？我应该如何表示这些功能，以便我可以将它与k-NN一起使用

更新：这是我的代码

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

我不太确定您收到的错误消息，但可以肯定的是您的描述符尺寸有问题。

Surf 首先找到图像的关键点，然后为每个关键点生成一个固定大小的描述符。 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，它会连接该关键点的所有描述符，但您将获得每个图像的不同大小

尝试阅读有关词袋甚至更好的费希尔向量来处理此类问题